Tese PINHO 2020

U NIVERSIDADE F EDERAL DO R IO G RANDE DO S UL
E SCOLA DE E NGENHARIA
D EPARTAMENTO DE E NGENHARIA Q UÍMICA
P ROGRAMA DE P ÓS G RADUAÇÃO EM E NGENHARIA Q UÍMICA
E FEITO DA M ODELAGEM S UBMALHA EM S IMULAÇÕES DE

G RANDES E SCALAS DE J ATOS C OAXIAIS T URBULENTOS
T ESE DE D OUTORADO
J EAN M ONTEIRO DE P INHO
P ORTO A LEGRE , RS
2020
P ROGRAMA DE P ÓS G RADUAÇÃO EM E NGENHARIA Q UÍMICA
E FEITO DA M ODELAGEM S UBMALHA EM S IMULAÇÕES DE

G RANDES E SCALAS DE J ATOS C OAXIAIS T URBULENTOS
J EAN M ONTEIRO DE P INHO
Tese de Doutorado apresentado como requisito par-

cial para obtenção do título de Doutor em Engenharia
Química.
Orientador:
Prof. Dr. André Rodrigues Muniz
P ORTO A LEGRE , RS
2020
Pinho, Jean M.
Efeito da Modelagem Submalha em Simulações de
Grandes Escalas de Jatos Coaxiais Turbulentos / Jean
Monteiro de Pinho. -- 2020.
190 f.
Orientador: André Rodrigues Muniz
Tese (Doutorado) - Universidade Federal do Rio

Grande do Sul, Escola de Engenharia, Departamento de
Engenharia Química, Porto Alegre, BR-RS, 2020.
Modelagem Submalha, LES, OpenMP, GPU, Dinâmica dos

Fluidos Computacional, Turbulência. I. Muniz, André R.,
orient. II. Título.
P ROGRAMA DE P ÓS -G RADUAÇÃO EM E NGENHARIA Q UÍMICA
A Comissão Examinadora, abaixo assinada, aprova a Tese Efeito da Modelagem Sub-

malha em Simulações de Grandes Escalas de Jatos Coaxiais Turbulentos, elaborada por Jean
Monteiro de Pinho como requisito parcial para obtenção do Grau de Doutor em Enge-
nharia Química.
Comissão Examinadora:
Prof. , Dr. Argimiro Resende Secchi - COPPE/UFRJ
Profa. , Dra. Flávia Schwarz Franceschini Zinani - UNISINOS
Prof. , Dr. Nilo Sérgio Medeiros Cardozo - DEQUI/UFRGS
iii
Agradecimentos
Agradeço primeiramente a minha esposa Liliana e filha Isabella pelo amor e apoio
durante a realização deste trabalho, sem os quais não seria possível sua realização.
Agradeço aos meus pais e meus irmãos pelo carinho, tolerância pela ausência ao longo
deste período. Agradeço aos amigos Sandra Barcelos e Jorge Cunha que foram um
porto seguro ao longo dos últimos anos.
Agradeço o Prof. André Rodrigues Muniz, orientador e amigo, que sempre soube
definir e exercer muito bem os dois papéis e me mantendo motivado e sem desviar
o rumo a ser seguido. Obrigado pela paciência e coragem em ter aceitado o desafio
em orientar este trabalho. Ao amigo e colega Augusto Mohr Christmann que muito
me ajudou quando eu estava distante de Porto Alegre e aos demais colegas do Nap-
sig. É importante também o registro de agradecimento aos amigos e companheiros
de doutorado Felipe Crivellaro Minuzzi e Fábio Ronei Rodrigues Padilha pelas longas
conversas e discussões ao longo do doutorado.
Sou grato também ao Instituto Federal de Santa Catarina (IFSC) pela afastamento
concedido para a realização deste trabalho e aos amigos e colegas de trabalho pela pa-
ciência. Ao Laboratório Nacional de Computação Científica (SDumont supercompu-
ter, LNCC/MCTI, Brasil) e ao Centro Nacional de Supercomputação (CESUP/UFRGS)
pelos recursos computacionais.
v
Resumo
A simulação acurada de escoamentos turbulentos de interesse prático, com custo

computacional acessível, ainda é um grande desafio. Simulações de Grandes Esca-
las (SGE) (Large Eddy Simulation - LES ) é uma técnica eficiente baseada na elimina-
ção das escalas do escoamento menores do que um comprimento característico e na
resolução direta do escoamento nas maiores escalas. Para a descrição do efeito da
turbulência nas pequenas escalas, existe uma variedade de modelos submalha dis-
poníveis na literatura, com diferentes níveis de complexidade e custo computacional
associados. Embora muitos avanços tenham sido logrados desde o desenvolvimento
da técnica LES, não há ainda consenso sobre um modelo submalha definitivo para
uso genérico em aplicações de engenharia. A análise do desempenho dos modelos
existentes é uma etapa importante no desenvolvimento de novos códigos para LES
e sua aplicação em problemas de interesse. Neste sentido, o objetivo principal desta
tese foi analisar o efeito da modelagem submalha em Simulações de grandes escalas
de jatos coaxiais turbulentos. Foi desenvolvido um solver para execução em arquite-
tura híbrida (CPU-GPU), capaz de empregar diferentes modelos submalha (modelos
de Smagorinsky, Dinâmico de Germano e Função Estrutura de Velocidade). A avali-
ação do efeito da modelagem submalha se deu através da comparação de resultados
de simulações realizadas para um problema teste (utilizando os modelos acima) com
dados experimentais da literatura. Para o modelo de Smagorinsky, buscou-se determi-
nar primeiramente o valor ideal da sua constante ad-hoc para o problema estudado. Os
resultados obtidos mostram que os modelos levam a diferentes predições para propri-
edades médias e flutuações no escoamento, apresentando variados graus de acurácia.
Os melhores resultados foram encontrados com o modelo de Smagorinsky, mostrando
que nem sempre o modelo mais complexo produz melhores resultados, e que modelos
mais simples têm condições de produzir resultados de ótima qualidade para o pro-
blema em questão, quando adequadamente calibrados.
Palavras-chave: Modelagem Submalha, LES, OpenMP, GPU, Dinâmica dos Fluidos

Computacional, Turbulência.
vii
Abstract
The accurate simulations of turbulent flows of practical interest with accessible

computational cost is still a great challenge. Large Eddy Simulation (LES) is an effi-
cient technique based on the elimination of flow scales smaller than a characteristic
length and on the direct resolution of flow on the largest scales. For the description
of the effect of turbulence in small scales, there is a variety of subgrid models availa-
ble in the literature, with different levels of complexity and associated computational
cost. Although many advances have been achieved since the development of the LES
technique, there is still no consensus on a definitive subgrid model for generic use in
engineering applications. The performance analysis of the existing models is an im-
portant step in the development of new LES codes and their application in problems
of interest. In this sense, the main objective of this thesis was to analyze the effect
of subgrid modeling in large eddy simulation of turbulent coaxial jets. A solver was
developed for execution in a hybrid architecture (CPU-GPU), capable of employing
different subgrid models (Smagorinsky, Dynamic of Germano and Velocity Structure
Functions). The evaluation of the effect of subgrid modeling was done by compa-
ring the results of simulations performed for a test problem (using the models above)
with experimental data from the literature. For the Smagorinsky model, we first de-
termine the ideal value of its ad-hoc constant for the problem studied. The obtained
results show that the models lead to different predictions for average properties and
flow fluctuations, presenting varying degrees of accuracy. The best results were found
with the Smagorinsky model, showing that the more complex model does not always
produce the best results, and that simpler models are able to produce excellent quality
results for a given problem, when properly calibrated.
Palavras-chave: Subgrid Modeling, LES, OpenMP, GPU, Computational Fluid Dy-

namics, Turbulence.
ix
Sumário
Lista de Figuras xiii
Lista de Tabelas xviii
Lista de Símbolos xxiii
1 INTRODUÇÃO 1
2 Revisão Bibliográfica 3
2.1 Escalas da Turbulência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Equações de Conservação . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1 Equação de Conservação da Massa . . . . . . . . . . . . . . . . . . 9
2.2.2 Equação de Conservação da Quantidade de Movimento . . . . . 9
2.3 A Natureza Física dos Jatos Turbulentos . . . . . . . . . . . . . . . . . . . 10
2.4 Técnicas de Simulacão de Escoamentos Turbulentos . . . . . . . . . . . . 14
2.4.1 RANS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.2 DNS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.3 LES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5 Estado da Arte de Simulação de Grandes Escalas de Jatos Coaxiais Tur-
bulentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Modelagem da Turbulência em LES 25

3.1 Filtros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2 Média Favre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 Filtragem das Equações de Conservação . . . . . . . . . . . . . . . . . . . 28
3.4 Modelagem do Tensor de Tensões Turbulentas . . . . . . . . . . . . . . . 30
3.4.1 Modelo de Smagorinsky . . . . . . . . . . . . . . . . . . . . . . . . 32
3.4.2 Modelo Dinâmico de Germano . . . . . . . . . . . . . . . . . . . . 34
3.4.3 Modelo Função Estrutura de Velocidade . . . . . . . . . . . . . . . 38
4 Método Numérico 41
4.1 O Método das Diferenças Finitas . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Esquemas para Discretização das Derivadas Espaciais . . . . . . . . . . . 42
4.3 Arranjo das Variáveis na Malha . . . . . . . . . . . . . . . . . . . . . . . . 43
4.4 Discretização das Derivadas Temporais . . . . . . . . . . . . . . . . . . . 45
4.5 Tratamento da Pressão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.6 Condição de Estabilidade e Malha . . . . . . . . . . . . . . . . . . . . . . 52
xi
4.7 Tratamento das Condições de Contorno . . . . . . . . . . . . . . . . . . . 54
4.7.1 Condições de Contorno de Entrada . . . . . . . . . . . . . . . . . . 56
4.7.1.1 Método Sintetizador - Filtro Digital . . . . . . . . . . . . 57
4.7.2 Condições de Contorno de Saída . . . . . . . . . . . . . . . . . . . 61
4.8 Sequência de Solução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.9 Metodologia de Paralelização . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.9.1 Paralelização utilizando GPU . . . . . . . . . . . . . . . . . . . . . 65
4.10 Definição do Problema Teste e Malha . . . . . . . . . . . . . . . . . . . . . 70
4.11 Planejamento das Simulações . . . . . . . . . . . . . . . . . . . . . . . . . 74
5 Resultados 83
5.1 Resultados das simulações do GRUPO1 - Análise do coeficiente de Sma-
gorinsky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.2 Resultados das simulações para o GRUPO1 - Comparação entre os mo-
delos submalha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.3 Resultados das simulações do GRUPO2 - Análise do coeficiente de Sma-
gorinsky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.4 Resultados das simulações para o GRUPO2 - Comparação entre os mo-
delos submalha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.5 Análise Direta do Efeito da Condição de Contorno . . . . . . . . . . . . . 119
5.6 Ganhos de Desempenho Computacional . . . . . . . . . . . . . . . . . . . 127
6 Conclusões e Trabalhos Futuros 131

6.1 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
Referências Bibliográficas 137
A Discretização das Equações de Conservação 147
B Discretização da Equação de Conservação da Massa (Dilatação) 151
C Técnicas de Paralelização 153

C.0.1 Sistemas de Memória Compartilhada . . . . . . . . . . . . . . . . 154
C.0.2 Sistemas de Memória Distribuida . . . . . . . . . . . . . . . . . . . 155
D Verificação do Código 159

D.1 Escoamento Entre Placas Planas Parelelas . . . . . . . . . . . . . . . . . . 159
D.2 Difusão Unidimensional Transiente . . . . . . . . . . . . . . . . . . . . . . 160
E Artigo Publicado na Revista Journal of Applied Fluid Mechanics 163
xii
Lista de Figuras
Figura 2.1 Cascata de transferência de energia cinética. Adaptado de Sagaut et

al (2013). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Figura 2.2 Regiões características de um jato turbulento. . . . . . . . . . . . . . . 11
Figura 2.3 Arrasto Turbulento através da TNTI. Adaptado de Philip e Marusic
(2012). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Figura 2.4 Escalas resolvidas e escalas modeladas em LES. Adaptado de Sagaut
(2006). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Figura 4.1 Distribuição de pontos de uma malha em um espaço bidimensional,

adaptado de Fortuna (2000). . . . . . . . . . . . . . . . . . . . . . . . . 43
Figura 4.2 Representação das grandezas na malha em arranjo deslocado utli-
zado, adaptado de Fortuna (2000). A dimensão "z"foi omitida para
simplificar a visualização. . . . . . . . . . . . . . . . . . . . . . . . . . 44
Figura 4.3 Localização das grandezas na malha em um arranjo deslocado,
adaptado de Fortuna (2000). . . . . . . . . . . . . . . . . . . . . . . . . 50
Figura 4.4 Esboço da geometria utilizada nas simulações. . . . . . . . . . . . . . 55
Figura 4.5 Resultado da utilização de um sinal de entrada gerado por um ruido
branco em um jato plano, adaptado de Klein et al. (2003) . . . . . . . . 58
Figura 4.6 Ilustração da zona de esponja, adaptado de Uzun et al. 2003 . . . . . 62
Figura 4.7 Representação didática da arquitetura de uma GPU, adaptado de
Ruetsch e Fatica (2011). . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
Figura 4.8 CUDA Fortran - Um modelo de programação híbrido , adaptado de
Hassan (2014). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
Figura 4.9 Programa didático ilustrando um programa CUDA Fortran . . . . . 68
Figura 4.10 Kernel didático ilustrando um programa CUDA Fortran . . . . . . . 69
Figura 4.11 Fluxograma do código desenvolvido . . . . . . . . . . . . . . . . . . . 70
Figura 4.12 Comprimentos característicos para a geometria do jato em estudo. . 71
Figura 4.13 Representação esquemática da geometria utilizada nas simulações e
dimensões características. . . . . . . . . . . . . . . . . . . . . . . . . . 72
Figura 4.14 Detalhe da malha regular próximo ao injetor. . . . . . . . . . . . . . 74
Figura 4.15 Perfis de velocidade adimensional ao longo da linha axial em um
jato obtidos por diferentes valores da constante de Smagorinsky, de-
monstrando o excesso de dissipação provocado pelo uso de um valor
inadequado para Cs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
Figura 4.16 Campo das flutuações de velocidades produzidas pelo método de
Klein et al. para um instante "t"para as componentes u, v e w, respec-
tivamente. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
xiii
Figura 5.1 Campos de velocidade, viscosidade efetiva e flutuações de velocida-
des tomados no plano central para uma simulação com o modelo de
Smagorinsky (Cs = 0,060). . . . . . . . . . . . . . . . . . . . . . . . . . 85
Figura 5.2 Campos de velocidade instanânea tomados no plano central para
uma simulação com o modelo de Smagorinsky (Cs = 0,060). . . . . . 86
Figura 5.3 Perfil instantâneo da componente axial da velocidade obtido com o
modelo de Smagorinsky Cs = 0,060, comparado com dados experi-
mentais de velocidade média. . . . . . . . . . . . . . . . . . . . . . . . 86
Figura 5.4 Perfis axiais de Uadm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados a dados da literatura. . . 87
Figura 5.5 Perfis axiais de Usim obtidos com modelo de Smagorinsky para di-
Figura 5.6 Perfis radiais de Uadm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados com dados experimen-
tais de Amielh et al. (1996) em x/D = 5. . . . . . . . . . . . . . . . . . 88
tais de Amielh et al. (1996) em x/D = 10. . . . . . . . . . . . . . . . . 89
0
Figura 5.10 Perfis axiais de u adm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados com os dados experi-
mentais de Amielh et al. (1996). . . . . . . . . . . . . . . . . . . . . . . 92
Figura 5.11 Campos de velocidade média axial tomados no plano central, ob-
tidos com a utilização dos modelos de Smagorinsky (Cs = 0,060),
Dinâmico de Germano e Função Estrutura de Velocidades, respecti-
vamente. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Figura 5.12 Campos de viscosidade efetiva µe tomados no plano central, obtidos
com a utilização dos modelos de Smagorinsky (Cs = 0,060), Dinâ-
mico de Germano e Função Estrutura de Velocidades, respectivamente. 96
0
Figura 5.13 Campos de intensidade de turbulência adimensional u rms tomados
no plano central, obtidos com a utilização dos modelos de Smago-
rinsky (Cs = 0,060), Dinâmico de Germano e Função Estrutura de
Velocidades, respectivamente. . . . . . . . . . . . . . . . . . . . . . . . 98
Figura 5.14 Perfis axiais de Uadm obtidos para os três modelos de viscosidade
submalha comparados com a dados da literatura. . . . . . . . . . . . 99
Figura 5.15 Perfis axiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com a dados da literatura. . . . . . . . . . . . . . 100
Figura 5.16 Perfis radiais de Uadm obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
xiv
Figura 5.17 Perfis radiais de Usim obtidos para os três modelos de viscosidade
(1996) em x/D = 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
(1996) em x/D = 10. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
(1996) em x/D = 10. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
(1996) em x/D = 15. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
(1996) em x/D = 15. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
(1996) em x/D = 20. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
(1996) em x/D = 20. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
0
Figura 5.24 Perfis axiais de u adm obtidos para os três modelos de viscosidade
(1996). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
Figura 5.25 Perfis axiais de Uadm obtidos com modelo de Smagorinsky para di-
Figura 5.26 Perfis axiais de Usim obtidos com modelo de Smagorinsky para di-
tais de Amielh et al. (1996) em x/D = 5. . . . . . . . . . . . . . . . . . 108
0
Figura 5.31 Perfis axiais de u adm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados com os dados experi-
mentais de Amielh et al. (1996). . . . . . . . . . . . . . . . . . . . . . . 111
Figura 5.32 Perfis axiais de Uadm obtidos para os três modelos de viscosidade
submalha comparados com a dados da literatura. . . . . . . . . . . . 112
xv
Figura 5.33 Perfis axiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com a dados da literatura. . . . . . . . . . . . . . 113
(1996) em x/D = 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
(1996) em x/D = 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
(1996) em x/D = 10. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
(1996) em x/D = 10. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
(1996) em x/D = 15. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
(1996) em x/D = 15. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
(1996) em x/D = 20. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
(1996) em x/D = 20. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
0
Figura 5.42 Perfis axiais de u adm obtidos para os três modelos de viscosidade
(1996). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
Figura 5.43 Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Uadm obtidos com o modelo de Smagorinsky para Cs =
0,060 e com os dados experimentais de Amielh et al. (1996). . . . . . . 120
GRUPO2 de Usim obtidos com o modelo de Smagorinsky para Cs =
GRUPO2 de Uadm obtidos com o modelo Dinâmico de Germano e
com os dados experimentais de Amielh et al. (1996). . . . . . . . . . . 122
GRUPO2 de Usim obtidos com o modelo Dinâmico de Germano e
GRUPO2 de Uadm obtidos com o modelo Função Estrutura de Velo-
cidades e com os dados experimentais de Amielh et al. (1996). . . . . 123
xvi
GRUPO2 de Usim obtidos com o modelo Função Estrutura de Veloci-
dades e com os dados experimentais de Amielh et al. (1996). . . . . . 123
0
GRUPO2 de u adm obtidos com o modelo de Smagorinsky para Cs =
0
GRUPO2 de u adm obtidos com o modelo Dinâmico de Germano e
0
GRUPO2 de u adm obtidos com o modelo Função Estrutura de Velo-
cidades e com os dados experimentais de Amielh et al. (1996). . . . . 126
Figura A.1 Localização das grandezas na malha em um arranjo deslocado,

adaptado de Ferziger (2012). . . . . . . . . . . . . . . . . . . . . . . . 147
Figura A.2 Localização das grandezas na malha em um arranjo deslocado, ajus-
tado para implementação em Fortran. . . . . . . . . . . . . . . . . . . 148
Figura A.3 Localização das grandezas na malha para discretização dos ter-
mos convectivos (para facilitar a visualização somente é mortrado
o plano xoy). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
Figura B.1 Localização das grandezas na malha em um arranjo deslocado . . . . 151
Figura C.1 Comparação estre a quantidade de processadores de uma CPU e de

uma GPU. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
Figura C.2 Arquitetura de um sistema de memória compartilhada. . . . . . . . . 155
Figura C.3 Conceito fork-join utilizado pelo padrão OpenMP . . . . . . . . . . . 156
Figura C.4 Arquitetura de um sistema de memória distribuida. . . . . . . . . . . 156
Figura C.5 Ilustração do envio e recebimento de dados. . . . . . . . . . . . . . . 156
Figura D.1 Problema para verificação da solução do escoamento laminar entre

placas planas paralelas. . . . . . . . . . . . . . . . . . . . . . . . . . . 159
Figura D.2 Perfil de velocidades obtido pela solução do escoamento laminar en-
tre placas planas paralelas. . . . . . . . . . . . . . . . . . . . . . . . . 160
Figura D.3 Verificação da solução transiente. Os tempos adimensionais analisa-
dos são t0 = 0, t1 = 1,708E−2, t2 = 8,5387491E−2 e t3 = 0,1707749.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
xvii
Lista de Tabelas
Tabela 4.1 Coeficientes do método Runge-Kutta para erro de truncamento de

segunda ordem, de Blazek (2015). . . . . . . . . . . . . . . . . . . . . 47
Tabela 4.2 Velocidades características do experimento e propriedades termo-
físicas do fluido. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
Tabela 4.3 Números adimensionais de interesse . . . . . . . . . . . . . . . . . . 73
Tabela 4.4 Características da malha estudada. (Nx , Ny e Nz são os números de
pontos nas direções x, y, e z, respectivamente.) . . . . . . . . . . . . . 74
Tabela 5.1 Comparação entre os erros quadráticos médios produzidos com o

uso de diferentes valores da constante de Smagorinsky. . . . . . . . . 92
Tabela 5.2 Comparação entre erros quadráticos médios produzidos pelos mo-
delos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
Tabela 5.3 Comparação entre os erros quadráticos médios produzidos com o
uso de diferentes valores da constante de Smagorinsky Cs . . . . . . . 111
Tabela 5.4 Comparação entre erros quadráticos médios produzidos pelos avali-
ados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
Tabela 5.5 EQM 1 com modelo de Smagorinsky para diferentes valores da cons-
tante Cs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
Tabela 5.6 EQM 1 para os três modelos avaliados. . . . . . . . . . . . . . . . . . 124
Tabela 5.7 EQM 2 com modelo de Smagorinsky para diferentes valores da cons-
tante Cs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
Tabela 5.8 EQM 2 para os três modelos avaliados. . . . . . . . . . . . . . . . . . 127
Tabela 5.9 Ganhos de desempenho para as técnicas utilizadas . . . . . . . . . . 128
xviii
Lista de Símbolos
αm Coeficiente Runge-Kutta referente ao estágio m −
∆t Passo de tempo T
∆y Comprimento da malha na direção y L
∆z Comprimento da malha na direção z L
∆ Comprimento do filtro de malha L
δ Diferencial finito L
δd Filtro dimensional L
δi j Delta de kronecker −
Taxa de dissipação viscosa L2 /T3
I Taxa de injeção de energia cinética turbulenta L2 /T3
T Taxa de energia cinética turbulenta transportada L2 /T3
κ Número de onda 1/L
κc Número de onde de corte 1/L
hi Operador média temporal −
hui Velocidade mediada no tempo L/T
hhii Operador média Favre −
(σij )sgs Tensor de tensões submalha M/LT2
µ Viscosidade dinâmica M/LT
∇ Operador gradiente −
ν Viscosidade cinemática L2 T
f Valor da propriedade referente as grandes escalas −
xix
G Função filtro −
u Velocidade média L/T
φ Propriedade genérica −
ρ Massa específica M/L3
σij Tensor de tensões M/LT2
τK Tempo característico da escala dissipativa de Kolmogorov T
τλ Tempo característico da microescala de Taylor T
τij Tensor de tensões viscosas M/LT2
|S|
e Norma de Frobenius 1/T
ξ Comprimento do livre caminho médio molecular L
Ai Matriz dos coeficientes do sistema a ser resolvido −
ai,j Transformação de Lund −
ADV EC Soma dos termos advectivos M/L2 T2
B Vetor dos termos independentes do sistema a ser resolvido −
bi Coeficiente do filtro para direção i −
bijk Filtro tridimensional −
C Coeficiente Dinâmico de Germano
c Velocidade de propagação sonora L/T
CK Constante de Kolmogorov −
CR Coeficiente correspondente a intensidade de turbulência −
Cs Constante de Smagorinsky −
Cij Tensor Cruzado M/LT2
CF L Condição de estabilidade de Courant-Friedricks-Lewy −
D Diâmetro interno do injetor L
Dil Dilatação −
Dom Domínio onde é realizada a operação de filtragem m
Deltax Comprimento da malha na direção x L
DIF F Soma dos termos difusivos M/L2 T2
xx
E Espectro de energia L2 /T2
Ec Energia cinética característica L2 /T2
EQM 1 Erro quadrático médio para Uadm −
EQM 2 Erro quadrático médio para u0 adm −
F Variável auxilar para solução da eq. do movimento na direção x M/L2 T
f Propriedade genérica −
f0 Valor da propriedade referente às pequenas escalas −
G Variável auxilar para solução da eq. do movimento na direção y M/L2 T
H Variável auxilar para solução da eq. do movimento na direção z M/L2 T
i Direção do sistema coordenado cartesiano −
i, j, k Coordenadas discretas do domínio computacional −
kt Energia cinética turbulenta L2 /T2
lλ Comprimento característico da microescala de Taylor L
Lc Escala de comprimento característica T
lK Comprimento característico da escala disipativa de Kolmogorov L
Lij Identidade de Germano M/LT2
LIN Comprimento característico das estrutuas turbulentas na entrada L
Llij Tensor de Leonard M/LT2
My Número de pontos na direção y no plano de entrada −
Mz Número de pontos na direção z no plano de entrada −
Ma Número de Mach −
mk Componente de velocidade da entrada −
Nx Número de pontos do domínio na direção x −
Ny Número de pontos do domínio na direção y −
Nz Número de pontos do domínio na direção z −
Nmk Parâmetro relacionado ao suporte do filtro −
nmk Número de pontos para construir o comprimento de escala das estruturas

turbulentas da entrada −
xxi
Nxyz Número de pontos necessários para uma simulação DNS −
O Ordem da aproximação numérica −
P Pressão modificada M/LT2
p Pressão M/LT2
R Somatório dos termos que não incluem a derivada temporal −
Rand,mk Vetor randômico tridimensional −
Rand Número randômico −
Rij Tensor de Reynolds M/LT2
Ru,i Coeficiente avaliado em termos das flutuação de velocidades −
Re Número de Reynolds −
ReLc Número de Reynolds relativo ao comprimento característica Lc " −
s Razão entre as massas específica do fluido do jato e do fluido do escoa-

mento externo −
Sij Tensor taxa de deformação 1/T
t Variável termpo T
t0 Intante de tempo inicial T
tc Tempo característico T
Tij Tensor de tensões subteste M/LT2
u Componente de velocidade na direção x L/T
u000 Flutuação temporal de velocidade L/T
ua Amostra de velocidade instantênea L/T
Uc Velocidade característica L/T
ui Velocidade instantâea na direção i L/T
UL Velocidade local L/T
ur Velocidade característica correspondente a escala de dissipção viscosa L/T
Uadm Componente axial de velocidade adimensional −
Ucof low Velocidade de entrada do escoamento externo
Ujet Velocidade de injeção do jato L/T
xxii
Umk Vetor bidimensional com flutuações de velocidades espacialmente correla-
cionadas na entrada L/T
umk Componente mk da velocidade na entrada L/T
v Componente de velocidade na direção y L/T
v∆ Velocidade submalha característica L/T
w Componente de velocidade na direção z L/T
Wc Vorticidade característica 1/T
x Coordenada axial com referência na extermidade do bocal L
xi Posição na direção coordenada i L
xi Tolerância −
µ0 Viscosidade mássica M/LT
µe Viscosidade efetiva −
µt Viscosidade turbulenta M/LT
ν+ Constante do modelo Função Estrutura de Velocidade −
ρj Massa específica do fluido do jato M/L3
ρcof low Massa específica do fluido do escoamento externo M/L3
u0 adm Intensidade de turbulência adimensional −
u0 rms Raiz da média dos quadrados das flutuações de velocidade L/T
xxiii
Capítulo 1
INTRODUÇÃO
A turbulência está presente na maior parte dos escoamentos que observamos na

natureza e na maioria das aplicações em engenharia. Os escoamentos turbulentos são
instáveis e suas propriedades apresentam flutuações que são dependentes do tempo
e do espaço. Uma das características mais marcantes dos escoamentos turbulentos é
a multiplicidade de escalas que o caracterizam, desde as maiores estruturas (baixas
frequências), que são controladas pela geometria ou contorno do escoamento, até as
menores estruturas (altas frequências), que são controladas pela viscosidade do fluido.
Na prática as estruturas podem ser visualizadas como vórtices de diferentes diâmetros
característicos (FREIRE et al., 2002).
Existem grandes investimentos em pesquisas relacionadas à compreensão e ao

controle da turbulência, visto que ela está presente e sua influência é determinante em
uma grande variedade de aplicações de engenharia, como em aviões, automóveis, mo-
tores, turbinas, equipamentos industriais, etc. Nestas aplicações é comum a ocorrência
de camadas limite e escoamentos cisalhantes como os jatos turbulentos. A simulação
numérica de escoamentos com estas propriedades ainda é um desafio à mecânica dos
fluidos computacional, visto que o desenvolvimento dos fenômenos que regem este
tipo de escoamento nas simulações são diretamente influenciados pelos modelos utili-
zados.
A motivação inicial deste trabalho foi o desenvolvimento de um código para a

simulação de chamas difusivas turbulentas utilizando modelagem LES (Large Eddy Si-
mulation, Simulação de Grandes Escalas) e estudar o efeito da modelagem do processo
de mistura nas escalas submalha. Entretanto, uma vez que a modelagem do tensor de
1
2 C APÍTULO 1. INTRODUÇÃO
tensões submalha também é um tema ainda em discussão, como veremos a seguir, o

objetivo desta tese foi reformulado para estudar o efeito da modelagem submalha do
tensor de tensões em LES de jatos coaxiais turbulentos.
Neste sentido, as contribuições deste trabalho são: i) redução do custo computa-

cional através do desenvolvimento de uma ferramenta computacional de arquitetura
híbrida OpenMP-CUDA para simulação de grandes escalas de jatos turbulentos; ii)
avaliação do efeito da utilização de diferentes modelos submalha para o tensor de ten-
sões submalha em LES de jatos turbulentos coaxiais.
Desta forma, a presente tese está estruturada da seguinte forma: o Capítulo 2

consiste em uma revisão bibliográfica, onde é apresentada a fundamentação teórica e
o estado da arte de LES de jatos coaxiais turbulentos. Os capítulos 3 e 4 tratam da
metodologia utilizada no desenvolvimento do código. Os fundamentos da metodo-
logia LES para modelagem de escoamentos turbulentos são apresentados no Cap. 3,
enquanto que no Cap. 4 são tratadas as técnicas numéricas utilizadas para a imple-
mentação do solver desenvolvido. No Cap. 5 é realizada a apresentação e a discussão
dos resultados obtidos. Por fim, no Cap. 6 são apresentadas as conclusões da tese e
sugestões para trabalhos futuros.
Capítulo 2
Revisão Bibliográfica
Este capítulo tem por objetivo (1) apresentar os conceitos e fundamentos essen-
ciais referentes à simulações de jatos turbulentos coaxiais e suas dificuldades, (2) in-
troduzir o equacionamento e definir a notação matemática utilizada no trabalho, bem
como (3) apresentar o estado da arte quanto ao efeito dos modelos submalha em LES
de jatos coaxiais turbulentos. Inicialmente é apresentada uma discussão sobre as esca-
las de turbulência e sua importância na metodologia LES. Em seguida, discutem-se os
aspectos fenomenológicos de jatos turbulentos e apresentam-se suas equações gover-
nantes. É feita então uma breve discussão das principais metodologias utilizadas para
a simulação de jatos turbulentos coaxiais. Por fim, uma discussão sobre o efeito da
modelagem submalha em Simulações de Grandes Escalas de jatos turbulentos coaxiais
é apresentada.
2.1 Escalas da Turbulência
Uma definição para escoamentos turbulentos que seja consenso na literatura es-
pecializada não existe. Segundo Lesieur (LESIEUR, 2012) para caracterizar um escoa-
mento como turbulento, este deve apresentar as características a seguir:
• Imprevisibilidade, no sentido de que uma pequena incerteza quanto ao seu

conhecimento em determinado momento inicial será ampliada de modo a
impossibilitar a previsão determinística de sua evolução (comportamento
dinâmico caótico).
3
4 C APÍTULO 2. R EVISÃO B IBLIOGRÁFICA
• Deve provocar o aumento do grau de mistura muito além dos obtidos por
difusão molelular.
• Deve compreender uma larga faixa de comprimentos característicos.
A transição à turbulência é caracterizada pelo aparecimento de instabilidades

em um escoamento originalmente estável, dito laminar. Essas instabilidades se multi-
plicam por um processo não linear, e degeneram-se em um regime turbulento (FREIRE
et al., 2002). Essa transição de um escoamento laminar para turbulento ocorre quando
os efeitos inerciais são dominantes com relação aos efeitos difusivos. Os parâmetros
adimensionais que caracterizam o fenômeno da transição são o número de Reynolds
(razão entre forças de inércia e forças viscosas) e o número de Rayleigh (razão entre
forças de empuxo e viscosas).
Um aspecto interessante no estudo da turbulência é que mesmo com o cresci-

mento das instabilidades e degeneração, podem ser observadas estruturas na forma
de vórtices que são transportadas mantendo aproximadamente a mesma geometria.
Estas estruturas giram em torno de seu eixo a medida que são transladadas e são cha-
madas de estruturas coerentes (MÖLLER; SILVESTRINI, 2004).
Apesar da dificuldade em descrever um escoamento turbulento de forma deter-

minística, eles não são totalmente aleatórios, visto a ocorrência de estruturas coerentes
que reflete a existência de comprimentos de escalas característicos. Portanto, é pos-
sível identificar comportamentos estatísticos que suas grandezas apresentam, como a
média e a variância de suas flutuações. Essa característica das flutuações ( no espaço e
no tempo) de velocidade em torno de uma média possibilita a obtenção de correlações
de escalas estatísticas (SAGAUT et al., 2013).
O entendimento dos conceitos e das relações entre as escalas existentes em um

escoamento turbulento são fundamentais para a construção e o entendimento do co-
nhecimento teórico atualmente existente relacionados a escoamentos turbulentos. No
tocante a técnica LES, todo seu desenvolvimento conceitual e matemático advém da
análise e estudo das escalas do escoamento turbulento.
As grandes escalas fornecem uma estimativa das maiores estruturas que ocor-
2.1. E SCALAS DA T URBULÊNCIA 5
rem no escoamento, e são definidas pelos seus comprimentos característicos, que são
normalmente da mesma ordem de grandeza das escalas integrais. Por exemplo, no
caso de um jato coaxial turbulento, consideremos o diâmetro interno D do injetor como
sendo a escala característica de comprimento Lc . A velocidade característica de trans-
porte das grandes escalas Uc naturalmente será a velocidade média ū de injeção do
fluido na região do jato. A partir destas grandezas podem ser então definidas as gran-
des escalas características de tempo tc , vorticidade Wc e energia cinética Ec .
Lc
tc = , (2.1)
Uc
Uc
Wc = , (2.2)
Lc
Ec = Uc 2 , (2.3)
Em escoamentos incompressíveis, a dissipação da energia cinética do escoa-

mento se dá essencialmente pelo efeito do atrito viscoso. O número de Reynolds
Uc Dc
Re = , (2.4)
ν
é o parâmetro adimensional que expressa a razão entre as forças inerciais e as forças

viscosas, onde ν é a viscosidade cinemática. De acordo com a teoria de Kolmogorov
(LESIEUR, 2012) a dissipação viscosa ocorre nas pequenas escalas do escoamento, de
ordem r. Segundo Kolmogorov, nestas escalas de comprimento a velocidade caracte-
rística, ur , pode ser dada como:
ur = (r)1/3 , (2.5)
onde é a taxa de dissipação viscosa.
Portanto, para essa escala em que ocorre a dissipação viscosa o número de Rey-
nolds local pode ser reescrito como:
1/3
(r4 )
Rer = , (2.6)
ν
A dissipação da energia cinética ocorre nos menores vórtices, quando o Rey-

nolds local passa a ser menor ou igual a unidade. Para esta condição de Reynolds
unitário, utilizando a Eq. 2.6 podemos estimar a escala de comprimento de Kolmogo-

rov, lK , também conhecida como escala dissipativa de Kolmogorov.
3 1/4
ν
lK = , (2.7)

Esta escala é chamada de dissipativa por conta de que todos os vórtices menores que
lK serem dominados por efeitos viscosos e, portanto, são dissipados, não podendo se
desenvolver.
Outra importante escala dos escoamentos turbulentos é a microescala de Taylor,

que é uma escala intermediária entre as grandes escalas e a de Kolmogorov. A microes-
cala de Taylor, lλ , fornece uma estimativa da escala de comprimento em que os efeitos
viscosos passam a ser relevantes ao escoamento. Uma definição detalhada em termos
matemáticos pode ser encontrada em Sagaut et al. (SAGAUT et al., 2013).
r
ν
lλ = 15 u0 rms (2.8)

em que
s
PN
0 a=1(u000 a )2
u rms = , (2.9)
N
e u0 rms é a raiz da média dos quadrados das flutuações de velocidade, u000 a é uma amos-
tra da flutuação de velocidade e N o número de amostras.
Para um escoamento turbulento plenamente desenvolvido, a taxa de dissipação

viscosa, , pode ser estimada em termos das grandes escalas. Assumindo a hipótese
de equilíbrio, em que a taxa de dissipação viscosa é igual a taxa de injeção de energia
cinética nas grandes escalas Uc 2 /tc (FREIRE et al., 2002), tem-se:
Uc 2 Uc 3
≈ = , (2.10)
tc Lc
A partir da Eq. 2.10, as escalas de Kolmogorov e microescala de Taylor podem

ser diretamente relacionadas com as grandes escalas (SAGAUT et al., 2013):
Lc
lK = , (2.11)
ReLc 3/4
√
Lc 10
lλ = , (2.12)
ReLc 1/2
2.1. E SCALAS DA T URBULÊNCIA 7
F IGURA 2.1. Cascata de transferência de energia cinética. Adaptado de Sagaut et al

(2013).
Uma vez que que a dissipação da energia cinética turbulenta gerada nas grandes
escalas ocorre nas pequenas escalas, existe um mecanismo físico pelo qual a energia do
movimento é transferido das grandes escalas até as escalas dissipativas de Kolmogo-
rov. Este mecanismo é conhecido como cascata de energia, e é ilustrado na Fig. 2.1,
em que podemos distiguir três regiões de comportamentos distintos, de acordo com a
faixa de escalas de comprimento.
A região que compreende as grandes escalas e consequentemente pequenos nú-

2π
meros de onda, κ = Lc
, é onde surgem os grandes vórtices, compreendendo as grandes
estruturas turbulentas. Portanto é nesta região do campo de frequências que ocorre o
surgimento das instabilidades no escoamento médio que o conduzem a turbulência.
Como consequência, é nesta faixa de escalas que ocorre a geração e injeção de energia
cinética turbulenta no escoamento, I , como pode ser visualizado na Fig. 2.1.
Sagaut et al. (SAGAUT et al., 2013) observam que as escalas onde ocorrem a
geração da energia cinética turbulenta normalmente coincidem com o pico de energia
do espectro. O mesmo autor também menciona que as grandes escalas que não es-
tão relacionadas a produção de turbulência são sustentadas por um mecanismo não
linear de transferência de energia vindo das escalas mais energéticas. Este mecanismo
é chamado de cascata de energia reversa.
A segunda região representada na Fig. 2.1, chamada de faixa inercial, está asso-
ciada às escalas intermediárias. Esta faixa de comprimentos de onda é responsável por
transferir a energia gerada nas grandes escalas para as pequenas escalas, T . Este me-
canismo de transporte de energia é não linear e não depende da ação da viscosidade,
ocorrendo por meio do esticamento dos vórtices que, para um fluido incompressível,
resulta na diminuição de seu diâmetro. Uma vez que consideramos que não ocorre
dissipação de energia nestas escalas tem-se que T = I .
A terceira e última região do espectro da Fig. 2.1 corresponde as escalas dissipa-

tivas de Kolmogorov. Nesta faixa do espectro a energia cinética turbulenta, pelo efeito
do atrito viscoso, é dissipada sob a forma de calor. Tendo em vista que assumimos a
hipótese de equilíbrio, tem-se T = I = .
Portanto, ocorre que as menores escalas que ocorrem em um escoamento turbu-

lento são as escalas de Kolmogorov. Em aplicações correntes de engenharia o compri-
mento de Kolmogorov é geralmente maior que o livre caminho médio molecular ξ. Da
teoria cinética dos gases, obtem-se a relação
ξ Ma
= , (2.13)
lk ReL 1/4
U
em que M a = c
é o número de Mach e c a velocidade do som no fluido em estudo. A
Eq. 2.13 nos mostra a tendência de lk ser sempre maior que ξ. Segundo Lesieur (LE-
SIEUR, 1997) para M a > 15 essas duas escalas passam a se confundir. Portanto, para
escoamentos a Mach menor que 15 a turbulência pode ser tratada como um fenômeno
contínuo e as equações de Navier-Stokes representam adequadamente os escoamentos
turbulentos.
2.2 Equações de Conservação
O presente trabalho trata de um escoamento homogêneo, isotérmico não rea-

tivo a baixo número de Mach. Para diferentes gases, este é regido pelas equações de
conservação da massa e da quantidade de movimento baseadas na hipótese de meio
contínuo. As equações de conservação foram escritas e implementadas sem considerar
as simplificações para escoamentos incompressíveis, com o objetivo de obter uma fer-
2.2. E QUAÇÕES DE C ONSERVAÇÃO 9
ramenta computacional de uso mais amplo, apesar da análise realizada neste trabalho
considerar propriedades constantes. A apresentação das equações foi feita utilizando
a notação de Einstein para coordenadas cartesianas.
2.2.1 Equação de Conservação da Massa
A conservação da massa para um escoamento monofásico e homogêneo é des-

crita pela equação da continuidade,
∂ρ ∂ρui
+ = 0 (2.14)
∂t ∂xi
em que ρ é a massa específica do fluido, ui são as componentes da velocidade e t é o
tempo.
2.2.2 Equação de Conservação da Quantidade de Movimento
A equação de conservação da quantidade de movimento para as três direções i

são escritas como:
N
∂(ρui ) ∂(ρui uj ) ∂σji X
+ = + fi , i = 1, 2, 3 (2.15)
∂t ∂xj ∂xj k=1
em que σji é o tensor de tensões e fi representa o somatório das forças de campo que
atuam sobre o volume de controle. A partir deste ponto do texto faremos fi = 0,
uma vez que o problema em estudo é um escoamento homogêneos e isotérmicos com
propriedades constantes.
A relação constitutiva para o tensor de tensões utilizada neste trabalho é baseada

nas hipóteses de meio contínuo, isotrópico, homogêneo e que o fluido tem comporta-
mento Newtoniano. Sob essas condições o tensor de tensões pode ser escrito como:
σij = pδij + τij (2.16)
onde p é a pressão, e τij é o tensor de tensões viscosas, modelado como:

∂ui ∂uj 0 2 ∂uk
τij = µ + + µ − µ δij (2.17)
∂xj ∂xi 3 ∂xk
em que µ é a viscosidade dinâmica e µ0 a viscosidade mássica. A teoria cinética dos

gases mostra que µ0 tem valor nulo para misturas monoatômicas, resultado que pode
ser expandido para a maioria das aplicações de engenharia. A partir dessa hipótese,
tem-se

∂ui ∂uj 2 ∂uk
τij = µ + − µ δij (2.18)
∂xj ∂xi 3 ∂xk
Finalmente, substituindo a Eq. 2.18 na equação de conservação para a quanti-

dade de movimento, obtém-se

∂(ρui ) ∂(ρui uj ) ∂p ∂ ∂ui ∂uj 2 ∂uk
+ = δij + µ + − µ δij (2.19)
∂t ∂xj ∂xj ∂xj ∂xj ∂xi 3 ∂xk
2.3 A Natureza Física dos Jatos Turbulentos
Além de suas características dinâmicas, os jatos turbulentos têm sido ampla-

mente estudados devido as suas propriedades de mistura. Junto com o escoamento
eles podem carregar substâncias inseridas por orifícios ou tubos que são espalhadas
pelas altas taxas de mistura que ocorrem nos escoamentos turbulentos. Escoamentos
na configuração de jato são frequentemente utilizados em injetores de combustíveis
em sistemas de propulsão e queimadores industriais. Para melhorar a eficiência des-
tes processos e equipamentos é importante que se domine os fundamentos e modelos
matemáticos relacionados a este tipo de escoamento.
O escoamento de um jato coaxial circular turbulento é um problema represen-

tativo de escoamentos cisalhantes livres em expansão espacial. Neste tipo de escoa-
mento podemos identificar três principais regiões (LIPARI; STANSBY, 2011), ilustra-
das na Fig. 2.2. A primeira região está localizada imediatamente a jusante do injetor
e é chamada de região potencial. Resultados numéricos e experimentais comprovam
a existência da região potencial e mostram que, para escoamentos isotérmicos com
densidade constante, tem seu comprimento variando em função dos parâmetros do
escoamento, na ordem de 4 até 10 diâmetros do injetor. O comprimento do núcleo
potencial de jatos coaxiais depende da relação entre a quantidade de movimento do
jato e do escoamento externo e características geométricas do jato, sendo a relação en-
2.3. A N ATUREZA F ÍSICA DOS J ATOS T URBULENTOS 11
F IGURA 2.2. Regiões características de um jato turbulento.
tre quantidade de movimento a característica dominante (PITTS, 1986; RUFFIN et al.,

1994). Essa primeira região é dominada puramente por efeitos inerciais.
A extinção da região potencial ocorre em função do crescimento das camada

de mistura anular decorrente do crescimento das instabilidades de Kelvin-Helmholtz.
Essa camada de mistura é criada pela instabilidade inflexional associada com o gra-
diente de velocidades entre o escoamento do injetor e o escoamento coaxial externo
(SAGAUT, 2006). A espessura da camada de mistura aumenta a medida que se ana-
lisa regiões mais distantes do injetor. Resultados experimentais e dados de simulações
mostram ainda que o tensor de Reynolds aumenta até um valor máximo, que coincide
com a extremidade da região potencial (SAGAUT, 2006).
Tratando-se de simulações de jatos turbulentos, Sagaut (SAGAUT, 2006) relata

que os diversos aspectos da solução numérica têm forte influência na solução obtida
para o problema. Os modelos submalha, utilizados em LES, têm influência no com-
primento da região potencial. Portanto os modelos são responsáveis por permitir um
desenvolvimento da camada de mistura anular mais rápido ou mais lento. Modelos
mais dissipativos atrasam o desenvolvimento da camada de mistura, de modo a tornar
a região potencial mais longa. A intensidade das perturbações das condições de con-
torno tem efeito na forma e tamanho do núcleo potencial. Os erros numéricos devido a
malha e esquemas numéricos empregados também podem influenciar o comprimento
potencial do jato avaliado pela simulação. Quando são utilizados que esquemas nu-
méricos dispersivos há uma tendência de encurtar a região potencial, enquanto que
quando são utilizados esquemas numéricos dissipativos há uma tendência de alongar
a região potencial.
Após a região potencial tem-se a zona de transição ou pluma forçada (RODI,

2014), que se estende até aproximadamente 40 diâmetros a jusante do ponto de inje-
ção. Nesta região, também chamada de região de desenvolvimento do jato, os efeitos
inerciais normalmente continuam a dominar, mas em alguns casos, em escoamentos
com variações de propriedades, efeitos gravitacionais já podem ter bastente influên-
cia. A rápida expansão da região do jato vem acompanhada de um rápido decaimento
da velocidade axial que passa a apresentar autossimilaridades. As regiões potencial e
transicional constituem o chamado near field. Chen e Rodi (CHEN; RODI, 1980) pro-
puseram uma lei de similaridade para descrever o perfil da componente axial da ve-
locidade ao longo do eixo do jato, na região onde o jato apresenta similaridade, válida
inclusive para jatos de massa específica variável
UL ρj 1/2
= 6,3( ) (Dj /x) , (2.20)
Uj ρcof low
em que UL é o valor local da componente axial da velocidade , Uj a velocidade de
injeção do jato, e ρj a massa especifica do fluido do jato, ρcof low a massa específica do
fluido do escoamento externo, Dj o diâmetro interno do bocal do jato e x é a posição
axial medida a partir do ponto de injeção do jato.
A terceira região, já distante do injetor, é chamada de região de pluma ou de

região do escoamento plenamente desenvolvido (far field). Nesta região o perfil de
velocidade é auto-similar e o jato é considerado em equilíbrio, que significa que todos
os perfis radiais de velocidade tendem ao perfil de uma gaussiana (PAYRI et al., 2016).
Verifica-se também que nesta região a razão entre as tensões turbulentas média e a
velocidade axial passa a ser uma constante na faixa de 0,28 − 0,29 (RODI et al., 1975).
Tem sido observado que os jatos com injetor de geometria retangular apresen-
tam processos de arrasto e mistura mais intensos do que jatos de injetor circular ou
elíptico (ROUMBAS et al., 2016). Existem poucos estudos sobre jatos com injetor de se-
ção quadrada (ROUMBAS et al., 2016). Bitting et al. (BITTING et al., 2001) realizaram
medições de alta resolução em jatos coaxiais de injetor de seção quadrada e circular,
2.3. A N ATUREZA F ÍSICA DOS J ATOS T URBULENTOS 13
para os números de Reynolds de 19000 e 29000. Eles observaram que o jato com in-
jetor de seção quadrada possui melhor efeito de mistura quando comparado com o
jato com injetor de seção circular. Entretanto, por simplicidade construtiva a grande
maioria das aplicações de engenharia e estudos existentes são relacionados a jatos com
injetores cilíndricos.
A turbulência tende a ser criada localmente onde o escoamento é mais instável.

Esta afirmação pode ser observado, por exemplo, em escoamentos cisalhantes que pos-
suem jatos, ondas e camadas limites (PHILIP; MARUSIC, 2012). Nestes exemplos as
regiões turbulentas são adjacentes a uma região não turbulenta (non turbulent - NT),
onde a turbulência é gerada.
Os escoamentos cisalhantes livres, tais como jatos, apresentam uma tendência

de espalhar-se lentamente na direção normal à direção preferencial do jato e ao sur-
gimento de intermitência. O espalhamento é manifestado pelo crescimento lateral da
interface escoamento turbulento // escoamento não turbulento (Turbulent/Non Turbu-
lent Interface - TNTI), que é uma região bastante estreita, continuamente deformada por
uma ampla faixa de escalas. A TNTI marca a transição entre as regiões de escoamento
irrotacional e de escoamento turbulento. Gampert et al. (GAMPERT et al., 2014) relata
que primeiramente a TNTI foi chamada de "super camada laminar". Flutuações de
velocidade irrotacionais são normalmente encontradas no escoamento não turbulento
fora da camada de interface, que não reflete uma ausência de flutuações, mas sim uma
mudança na característica das flutuações de turbilhonadas para irrotacionais.
Bisset et al. (BISSET et al., 2002) explica que sendo a vorticidade transmitida para
o fluido somente através da ação da viscosidade molecular, então deve existir uma ca-
mada cisalhante que por natureza é essencialmente viscosa, muito embora ela possa
ser extremamente fina. Através dessa fina camada do escoamento turbulento, ocorre
a maioria das trocas entre o escoamento totalmente turbulento e o não turbulento, in-
cluindo o transporte de escalares.
Aguirre e Catraki (AGUIRRE; CATRAKIS, 2005) complementam, explicando

que a ocorrência da intermitência característica dos jatos turbulentos é atribuída tam-
bém a TNTI. O surgimento da interface turbulenta, ou camada cisalhante, se dá pelas
intabilidades de Kelvin-Helmholtz que são responsáveis pela transição de comporta-
mento laminar para turbulento. A ocorrência destes fenômenos no problema teste que
será estudado torna sua solução mais complexa, entretanto mais apropriada para veri-
ficar a robustez do modelo proposto e do código desenvolvido.
A taxa de espalhamento das ondas, que caracterizam a intermitência, a trans-

ferência de massa através das camadas de mistura, e as taxas de mistura e de reação
(quando reativos) em jatos são, portanto, principalmente determinadas pelas caracte-
rísticas do escoamento na vizinhança. TNTI. Assim, o arrasto turbulento é de central
importância para escoamentos da interesse na natureza e em aplicações de engenharia
(SILVA et al., 2015) .
Segundo Da Silva et al. (SILVA et al., 2015), estudos mais antigos costumavam
descrever o arrasto turbulento como sendo causado pelas grandes escalas do movi-
mento ocorrendo de forma cíclica em locais específicos da TNTI, transferindo proprie-
dades transportadas ao longo da TNTI. Entretanto, trabalhos recentes sugerem o con-
trário, que o arrasto resulta principalmente do movimento das pequenas escalas de
comprimento que vão transferindo propriedades ao longo da TNTI. A Fig. 2.3 explica
como ocorre o arrasto turbulento, evidenciando o importante papel das pequenas es-
calas que compõe a TNTI. Esta análise indica que o arranjo numérico, e o modelo de
turbulência utilizado nas simulações de grandes escalas deve ter condições de mini-
mamente capturar ou reproduzir os fenômenos que ocorrem junto a TNTI.
2.4 Técnicas de Simulacão de Escoamentos Turbulen-

tos
Existem basicamente três metodologias de simulação de escoamentos turbulen-

tos, denominadas Navier-Stokes com Média de Reynolds (Reynolds Averaged Navier-
Stokes - RANS), Simulações de Grandes Escalas (Large Eddy Simulation LES) e Simulação
Numérica Direta (Direct Numerical Simulation DNS). Cada uma apresenta vantagens e
desvantagens, de modo que a escolha da metodologia adequada depende da caracte-
rística ou tipo de fenômeno a ser analisado e a disponibilidade de tempo e recursos
computacionais.
2.4. T ÉCNICAS DE S IMULACÃO DE E SCOAMENTOS T URBULENTOS 15
F IGURA 2.3. Arrasto Turbulento através da TNTI. Adaptado de Philip e Marusic

(2012).
2.4.1 RANS
A metodologia RANS (Reynolds Averaged Navier-Stokes) é a técnica precursora na

simulação de escoamentos turbulentos. A técnica possui um custo bastante atrativo,
sendo amplamente utilizada na solução de problemas de engenharia. Por outro lado
possui certas limitações, pois uma vez que a equação de conservação resolvida é para
grandezas médias, fenômenos transientes e intermitentes não podem ser capturados.
A precisão dos resultados também tem limitações, de modo que a precisão requerida
para a solução de problemas de formação de poluentes, por exemplo, não é alcançada
por esta técnica (PITSCH, 2006).
Através de RANS o movimento turbulento não é efetivamente resolvido. A

proposta da técnica é incorporar, por meio de modelos e informações estatísticas, os
efeitos da turbulência sobre o escoamento médio (RODI, 2017). Os fundamentos do
tratamento estatístico da turbulência foi introduzido inicialmente por Osborne Rey-
nolds, que decompôs as componentes da velocidade instantânea ui em termos de suas
médias, hui i, e suas flutuações u000 i , temporais.
A partir dessa análise proposta por Reynolds, a velocidade instantânea ui (t)

pode ser escrita como
ui (t) = hui i + ui 000 , (2.21)
que é conhecida como a decomposição de Reynolds. O valor médio hui i é definido por
Z T
1
hui i = lim ui (t) dt, (2.22)
T T →∞ 0
Introduzindo a Eq. 2.21 na Eq. 2.19 de conservação de movimento e em seguida

operando a média definida na Eq. 2.22 obtem-se a equação média de Navier Stokes,
que para escoamentos incompressíveis tem a seguinte forma

∂hui i ∂hui i ∂hpi ∂ ∂hui i 000 000
ρ + ρhuj i = δij + µ − ρhu i u j i (2.23)
∂t ∂xj ∂xj ∂xj ∂xj
Nesta equação, como decorrência da não linearidade dos termos convectivos e da de-
composição de Reynolds, aparecem termos adicionais relacionados às flutuações de
velocidades ρhu000 i u000 j i, conhecido como tensor de Reynolds. Fisicamente o tensor de
Reynolds representa o fluxo de quantidade de movimento decorrente das flutuações
de velocidades. A determinação das componentes do Tensor de Reynolds é um dos
grandes desafios da modelagem da turbulência. De acordo com Deschamps (FREIRE
et al., 2002) as abordagens mais comuns para modelar o efeito do tensor de Reynolds
nas equações médias de Navier-Stokes, são i) pelo uso do conceito de viscosidade tur-
bulenta e ii) pela modelagem da equação para o transporte do tensor de Reynolds.
Existe uma grande variedade de modelos alicerçados na hipótese de viscosidade

turbulenta que apresentam bons resultados. Entretanto, estes modelos são desenvolvi-
dos para determinadas condições de escoamento, de modo que é necessário um bom
conhecimento sobre o problema físico em estudo para a seleção do modelo apropriado.
A dificuldade em selecionar o modelo ocorre devido ao modelo não resolver a turbu-
lência e sim mimicar seu efeito, de modo que modelo que apresente bons resultados
para um problema específico pode gerar resultados muito distantes da realidade para
outro tipo de aplicação.
Por outro lado, modelar uma equação de transporte para o tensor de Reynolds
se apresenta como uma solução mais generalista. Entretanto, partindo nesta direção, as
equações resultantes apresentam termos de terceira ordem relacionados as flutuações

de velocidades, o que acaba aumentando bastante o número de equações e hipóteses
para fechar o equacionamento. Este é o conhecido problema de fechamento da turbu-
lência (FREIRE et al., 2002).
O detalhamento desta classe de modelos foge do escopo deste trabalho. A li-

teratura disponível acerda de modelos RANS é bastante ampla, de modo que o leitor
interessado pode encontrar com facilidade diversos trabalhos de revisão sobre mode-
los RANS, como por exemplo os trabalhos de Menter (MENTER, 2009), de Rodi (RODI,
2017) e de Lorenson et al. (LORENZON et al., 2018).
2.4.2 DNS
Em termos de metodologias para simulação de escoamentos turbulentos, sem le-

varmos em conta os custos computacionais envolvidos, a técnica DNS é a formulação
mais adequada. A metodologia DNS se propõe a resolver todas as escalas de tempo
e de comprimento presentes no escoamento, desde as grandes escalas, que definem a
geometria do problema até as escalas dissipativas de Kolmogorov. Para tanto o tama-
nho máximo de malha deve ser a metade do comprimento lK , de modo a respeitar o
teorema de Nyquist (NYQUIST, 1928).
De acordo com Sagaut et al (SAGAUT et al., 2013) deve ainda ser considerado
o critério de que o domínio seja maior do que 50Lc , de modo a evitar o surgimento
de correlações de natureza não física. Atendendo estas duas restrições tem-se que o
número de pontos aproximado Nxyz para uma malha tridimensional é
9
Nxyz ≈ ReLc 4 , (2.24)
Nesta metodologia as equações de conservação dos escoamento são discretizadas e

resolvidas numericamente de forma direta, sem a necessidade de qualquer modelo
adicional. Para tanto, além de uma malha e passo de tempo pequenos o suficiente
para capturar as escalas dissipativas de Kolmogorov, uma atenção especial deve ser
dada aos esquemas numéricos utilizados, com o objetivo de minimizar a dispersão e
dissipação de erros numéricos.
Entretanto com os atuais recursos computacionais e considerando o ritmo da

evolução destes recursos, ainda muitos anos serão necessários para que seja possível
a solução de problemas de engenharia. Este tipo de simulação tem sido usado para a
obtenção de resultados precisos em casos mais simples para a verificação e obtenção de
modelos aproximados, além de contribuir também para a compreensão de fenômenos
de difícil observação experimental.
2.4.3 LES
As Simulações de Grandes Escalas (Large Eddy Simulation - LES) de escoamentos

turbulentos é uma técnica promissora que consiste na eliminação das escalas do esco-
amento menor que um tamanho ∆. A eliminação das pequenas escalas é feita através
da adequada aplicação de um filtro passa-baixo no sistema de equações, levando à
equações que descrevam o movimento das grandes escalas (LESIEUR et al., 2005).
A metodologia LES, em termos de custo computacional, é intermediária entre

a DNS e a simulação utilizando as equações médias de Reynolds (RANS). Com sua
utilização é possível capturar a turbulência anisotrópica que ocorre nas grandes escalas
através da solução das escalas intermediárias enquanto que as pequenas escalas são
descritas por modelos de turbulência homogênea isotrópica.
Pitsch (PITSCH, 2006) relata que para estudos de sistemas reativos e não reativos
a técnica LES fornece melhores resultados para o processo de mistura escalar e taxas de
dissipação quando comparada com a metodologia RANS. Esta é uma das razões pela
qual LES possui vantagens quando o objetivo é modelar problemas complexos em que
o processo de mistura escalar seja de grande importância, como a combustão.
Os resultados obtidos com LES, assim como os obtidos com DNS são soluções
transientes e tridimensionais das equações de Navier Stokes, podendo capturar fenô-
menos como a intermitência existente na TNTI de jatos turbulentos. Desta forma ainda
assim é necessário a utilização de malhas refinadas e passos de tempo também peque-
nos.
De acordo com o teorema de Nyquist, escalas menores do que 2∆x (em que ∆x
F IGURA 2.4. Escalas resolvidas e escalas modeladas em LES. Adaptado de Sagaut

(2006).
é o tamanho da malha) não podem ser capturadas nas simulações (SAGAUT, 2006).
Neste sentido o que se propõe com a técnica LES é resolver as escalas que a malha tem
condições de capturar e descrever o efeito das menores escalas através de modelos ma-
temáticos. A Fig. 2.4 a) ilustra este conceito, mostrando, na malha as escalas resolvidas
e as modeladas, também chamadas de submalha. A Fig. 2.4 b) representa a separação
das escalas no espaço da frequência, em que podemos observar que as escalas mode-
ladas são as de menor energia e onde ocorre a dissipação viscosa. A separação entre
as grandes escalas que são resolvidas e as menores escalas que são modeladas se dá
por meio de um processo de filtragem, que é explicado em uma seção específica no
capítulo de Modelagem da Turbulência (Capítulo 3).
A fundamentação teórica das simulações de grandes escalas parte das definições

das escalas. Como já visto a escala em que ocorre a dissipação viscosa, a escala de Kol-
mogorov, é muito menor do que as escalas do contorno, que definem as caracteristicas
do escoamento e são consideradas como grandes escalas. O comportamento das pe-
quenas escalas é pouco ou em quase nada afetado pelas grandes escalas. Neste sentido
considera-se que o padrão do escoamento nas pequenas escalas tende a ser homogê-
neo e isotrópico. Pressupõe-se então que modelos para as pequenas escalas sejam mais
universais, sem sofrer interferências do tipo de escoamento, quando comparados à
metodologia clássica das médias de Reynolds (FREIRE et al., 2002) (PIOMELLI, 1999).
O esforço requerido em LES pode ser estimado considerando que a menor es-
cala resolvida deve estar situada na subfaixa inercial do espectro de energia cinética
turbulenta, Fig. 2.1, onde o efeito dos termos submalha passam a ser um problema in-
dependente das grandes escalas. Uma estimativa dessa escala é a microescala de Tay-
lor, lλ . Nesta direção, o número de pontos necessários para resolver um escoamento
tridimensional é dado pela equação: (HUAI, 2006)
3
Lc
NLES ≈ ≈ Re3/2 , (2.25)
lλ
em que a microescala de Taylor, em termos das grandes escalas pode ser estimado
como (SAGAUT et al., 2013)
√
lλ ≈ Lc 10Re−1/2 , (2.26)
2.5 Estado da Arte de Simulação de Grandes Escalas

de Jatos Coaxiais Turbulentos
A metodologia LES tem se mostrado bastante promissora para a solução de es-

coamentos turbulentos. Entretanto ainda existem desafios quanto à forma adequada
de descrever o efeito das escalas não resolvidas em diversos tipos de escoamentos.
Loffler et al. (LÖFFLER et al., 2008) observam que a investigação do desempenho e
comportamento dos modelos existentes é importante para o desenvolvimento de no-
vos métodos.
A contribuição deste trabalho segue exatamente a afirmação anterior de Loffler

et al. (LÖFFLER et al., 2008), uma vez que foi realizado um estudo do efeito da mo-
delagem do tensor de tensões submalha a partir da comparação entre resultados de
simulações de diferentes modelos. Para tanto, nesta seção discuti-se os principais tra-
balhos existentes na literatura que tratam do efeito da modelagem submalha, dando
prioridade a estudos que tratam da análise do efeito submalha em LES de jatos turbu-
lentos coaxiais.
2.5. E STADO DA A RTE DE S IMULAÇÃO DE G RANDES E SCALAS DE J ATOS C OAXIAIS
T URBULENTOS 21
Fureby et al. (FUREBY et al., 1997) realizaram um estudo comparativo para cinco
diferentes modelos submalha para o tensor de tensões submalha. Foram analisados o
modelo de Smagorinsky (algébrico), um modelo de uma equação, um modelo de si-
milaridade e combinações lineares destes três tipos de modelos para o decaimento da
energia cinética turbulenta, para uma condição de turbulência homogênea e isotrópica
em uma caixa cúbica. A comparação entre os espectros de turbulência e das caracterís-
ticas macroscópicas do escoamento mostraram pequenas diferenças entre os resultados
obtidos pelos diferentes modelos, mas não insignificantes. Os resultados indicam que
os modelos de uma equação são melhores do que os modelos algébricos. Foi verifi-
cado que os melhores resultados foram obtidos através da combinação linear entre o
modelo Dinâmico de Germano local, que é um modelo de similaridade, e o modelo de
uma equação.
Meneveau e Katz (MENEVEAU; KATZ, 2000) revisaram os modelos submalha

baseados nas propriedades de invariância de escalas. É apresentado uma detalhada
análise a priori do tensor de tensões produzido pelos modelos submalha de Smago-
rinsky (SMAGORINSKY, 1963), Dinâmico de Germano (GERMANO et al., 1991) e de
Similaridade, introduzido por Bardina et al. (BARDINA et al., 1980), com o tensor
de tensões real para o escoamento turbulento em um canal. Os autores concluiram
que com base nos resultados da época seria prematuro um veredito sobre qual dos
modelos existentes seria o melhor utilizado em LES. Entretanto, os resultados obtidos
indicaram que o modelo Dinâmico reproduziu melhor o tensor de tensões comparado
ao produzido pelo modelo de Smagorinsky, e que o modelo de similaridade produziu
resultados melhores do que o modelo Dinâmico de Germano.
Em 2003, Bogey e Bailly (BOGEY; BAILLY, 2003b) publicaram um trabalho em

que apresentam uma análise do efeito da modelagem submalha em LES de jatos subsô-
nicos sobre o campo de velocidades e suas características acústicas. A análise do efeito
da modelagem submalha foi realizada através de uma simulação utilizando somente
o filtro LES explícito seletivo, projetado para eliminar as pequenas escalas sem afetar
as escalas resolvidas, e de outra simulação em que foi utilizado o modelo submalha
Dinâmico de Germano. Os resultados mostram que o desenvolvimento da camada
cisalhante foi pouco influenciado pela utilização do modelo submalha. Entretanto, o
comportamento do campo de velocidades após o término da região potencial mostrou-
se diferente para as duas simulações, sendo o decaimento e a taxa de espalhamento do

jato maior para as simulações em que foi usado o modelo submalha Dinâmico de Ger-
mano. Ainda em 2003 os autores publicaram outro trabalho (BOGEY; BAILLY, 2003a)
em que concluiram que um dos fatores que mais influencia nas características do de-
senvolvimento da camada cisalhante são as condições iniciais.
Andersson et al. (ANDERSSON et al., 2005) estudaram o efeito das condições de

contorno de entrada, do número de Reynolds e da modelagem submalha em LES de
jatos turbulentos. Em todos os casos de seu estudo foram utilizados o modelo subma-
lha de Smagorinsky, de modo que a avaliação do efeito da modelagem submalha foi
realizado através da variação do tamanho do filtro. Os autores também analisaram o
efeito da modelagem da condição de contorno mediante a sintetização de um sinal tur-
bulento na entrada através de um método baseado em modos randômicos de Fourier,
detalhado em Billson et al. (BILLSON et al., 2003). Os resultados obtidos pelos autores
para a análise dos efeitos da condição de contorno de entrada e variação do número de
Reynolds indicaram que estes parâmetros têm pouca influência na dinâmica do jato.
Por outro lado, com relação a análise do efeito submalha foi verificado que o aumento
do tamanho do filtro torna o modelo mais dissipativo. Como resultado do aumento da
dissipação, foi verificado que, após o término da região potêncial, iniciada a transição
do jato, a taxa de espalhamento prevista foi maior a medida que o tamanho do filtro
foi aumentado.
Bodony e Lele (BODONY; LELE, 2008) realizaram uma importante revisão sobre
o cenário da utilização e características dos resultados de simulações do tipo LES para
jatos turbulentos coaxiais. Os autores discutiram em detalhes a interação que existe
entre o método numérico e a modelagem submalha. Dentre diversas constatações im-
portantes, os autores observam que no tocante a utilização de modelos submalha, não
existe um consenso na literatura sobre qual o mais adequado, uma vez que seu efeito é
cumulativo às características dissipativos que os esquemas numéricos podem possuir,
tanto na etapa de filtragem, quanto na e etapa de discretização das equações. Bogey
and Bailly (BOGEY; BAILLY, 2006) acescentam ainda que a dissipação total adicionada
pelo modelo de viscosidade submalha é influenciada pelo número de Reynolds. Por-
tanto o desempenho dos modelos também é alterado pela dinâmica do jato.
2.5. E STADO DA A RTE DE S IMULAÇÃO DE G RANDES E SCALAS DE J ATOS C OAXIAIS
T URBULENTOS 23
Salkhordeh et al. (SALKHORDEH et al., 2014) estudaram seis diferentes mo-

delos submalha para o tensor de tensões disponíveis no solver OPENFOAM. Para o
efeito da modelagem das condições de contorno, os seus resultados uma grande sen-
sibilidade na dinâmica do jato na região próxima ao bocal, principalmente quanto ao
comprimento potencial do jato. O modelo que apresentou melhores resultados para as
distribuições de velocidades e de flutuações de velocidades foi o modelo Dinâmico de
Germano com Coeficiente Local Médio. O trabalho ainda avaliou o efeito da modela-
gem da turbulência na condição de contorno de entrada em LES de um jato turbulento.
A análise do efeito da condição de contorno foi realizada comparando os resultados de
simulações em que foram definidos perfis de velocidades na entrada sem flutuações
com os resultados de simulações em que as flutuações foram descritas por um mé-
todo precursor. As simulações que utilizaram o método precursos para descrever as
condições de contorno na entrada produziram resultados superiores, de modo que o
comprimento potencial do jato foi passou a ser bem previsto.
Payri et al. (PAYRI et al., 2016) realizaram um estudo sobre o efeito da modela-
gem submalha e do tipo de condição de contorno em LES de jatos coaxiais turbulentos,
utilizando OPENFOAM. Foram avaliados os modelos submalha de Smagorinsky e o
modelo de uma equação de Pomraning e Rutland (POMRANING; RUTLAND, 2002).
Os dois modelos submalha produziram bons resultados, e embora o modelo de uma
equação demandasse mais operações, ele admite um maior passo de tempo para uma
mesma condição CFL, o que tornou seu custo razoável. Para a avaliação do efeito
da modelagem da condição de contorno, foram confrontados um método de mape-
amento e outro sintetizador, os autores verificaram que os resultados obtidos com o
método de mapeamento foram superiores. Os autores ainda observaram que, embora
os resultados das simulações que utilizaram o método sintetizador sejam inferiores,
sua qualidade é boa, quando levado em conta seu menor custo computacional.
Brès e Lele (BRÈS; LELE, 2019) apresentaram uma revisão do progresso recente
acerca das simulações de grandes escalas para jatos turbulentos coaxiais, com os avan-
ços obtidos a partir de 2008. Os autores observaram que avanços importantes foram
feitos quanto a verificação da importância da inclusão da geometria do bocal no mo-
delo matemático da simulações. Os trabalhos de Bogey e Bailly (BOGEY; BAILLY,
2010), de Trumper et al. (TRUMPER et al., 2018) e Freund (FREUND, 2019), contem-
plam uma interessante análise da influência das condições de contorno de entrada na

simulação de jatos turbulentos. Brès e Lele (BRÈS; LELE, 2019) relataram também que
a modelagem dos termos submalha e a interação destes modelos com o modelo numé-
rico utilizado é um desafio que ainda permanece em aberto.
Ainda Brès e Lele (BRÈS; LELE, 2019) relataram a atual tendência da computa-
ção de alto desempenho, que é a utilização de arquiteturas híbridas CPU-GPU para
LES de jatos, como realizado em Markesteijn et al. (MARKESTEIJN; KARABASOV,
2018). O desafio na implementação de solvers híbridos (CPU-GPU) se devem princi-
palmente às diferenças de arquitetura que existe entre as CPU’s e GPU’s. Nas placas
GPU (Graphics Processing Unit) existe uma limitação de memória, fator que deve ser
levado em conta no desenvolvimento de novos algoritmos para serem executados em
GPU. De modo que quando se usa este tipo de processamento, recalcular certas vari-
áveis pode ser mais eficiente do que armazená-las (ZHU et al., 2018). Neste sentido,
de acordo com Markesteijn et al. (MARKESTEIJN et al., 2015) os esquemas numéri-
cos a serem aplicados para discretizar as equações em um código desenvolvido para
execução em GPU podem ser diferentes dos mais adequados para CPU.
Uma solução para superar as limitações de memória dos processadores gráficos

é a utilização de um cluster de GPU’s. Por outro lado, a portabilidade de um código
desenvolvido para execução em uma GPU, para execução em múltiplas GPU’s pode
ser uma tarefa complexa. Para essa portabilidade é preciso definir como os dados
serão particionados entres as várias GPU’s e garantir o lançamento dos thread blocks
com tamanhos adequados e que estes acessem os dados corretamente em cada GPU.
Kumar et al. (KUMAR et al., 2019) observam que a transferência de dados cruzada
entre as GPU’s é uma operação computacionalmente demorada.
Outra alternativa para superar a limitação de memória é o desenvolvimento de

um solver que seja econômico na utilização de memória, capaz de resolver o problema
com eficiência e com o uso de apenas uma GPU. Esta segunda abordagem foi utilizada
neste trabalho, de modo que o solver desenvolvido pode ser executado em uma única
estação de trabalho equipada com uma GPU de alta capacidade, realizando simulações
da ordem de 100 × 106 pontos em poucos dias, representando um avanço interessante
na aproximação da técnica LES das aplicações industriais.
Capítulo 3
Modelagem da Turbulência em LES
Este capítulo tem por objetivo apresentar os tratamentos matemáticos que foram
aplicados para obtenção das equações utilizadas para as simulações LES, mais especifi-
camente os processos de filtragem, de aplicação das médias e da modelagem do tensor
de tensões submalha.
3.1 Filtros
Os filtros são responsáveis por separar matematicamente o campo f (x, t) de uma

propriedade em outros dois campos, um primero referente às grandes escalas que se-
rão resolvidas, sendo f (x, t) o valor médio da propriedade f em um volume delimi-
tado pelo filtro. E um segundo referente às pequenas escalas do escoamento f 0 (x, t)
(também chamadas de escalas submalha), que será modelado em LES. Desta separa-
ção irá resultar
f (x, t) = f (x, t) + f 0 (x, t) , (3.1)
conhecida como decomposição de Leonard (KUO; ACHARYA, 2012).
A operação de filtragem consiste na convolução da variável a ser filtrada com a

função filtro,
Z
f (x, t) = f (x0 , t)G(x − x0 : t)dx’, (3.2)
Dom
onde Dom é o domínio no qual a operação deve ser realizada e G é a função filtro. A fil-
tragem destina-se a eliminar ou suavizar flutuações menores do que o número de onda
25
26 C APÍTULO 3. M ODELAGEM DA T URBULÊNCIA EM LES
de corte pré-definido. Entretanto a filtragem reduz o número de graus de liberdade do

problema, podendo reduzir a acurácia e o desempenho do modelo, visto que há uma
diminuição nas informações contidas no sistema com o aumento da largura do filtro.
O lado favorável é a redução do custo computacional. O desafio está em encontrar o
equilíbrio entre o tamanho do filtro, qualidade da solução e custo computacional.
Através de uma análise precisa, a modelagem em LES envolve dois processos de

filtragem: i) um filtro dimensional (δ) e ii) e um filtro da malha (∆) (KUO; ACHARYA,
2012). Os fenômenos que ocorrem em escala inferior ao espaçamenento da malha não
podem ser capturados por nenhum dos filtros e são sempre modelados. As escalas
menores que metade do filtro (∆/2) da malha são chamadas de escalas submalha. A
Fig. 2.4 ilustra as escalas resolvidas e as escalas submalha.
A modelagem LES permite a utilização de filtros explícitos ou implícitos, desde

que eles representem as propriedades dos termos submalha. À medida que a malha vai
sendo refinada a diferença entre eles é que para filtros explícitos a solução aproxima-se
da abordagem das equações filtradas, enquanto que para filtros implícitos aproxima-se
da solução das equações obtidas pela metodologia DNS (HÄLLQVIST, 2006). Portanto,
em LES não faz sentido analisar a convergência de malha, uma vez que no limite de
malhas que possibilitam que sejam capturadas as menores escalas responsáveis pela
dissipação viscosa, a solução irá convergir para os resultados obtidos por meio de si-
mulações DNS.
A maioria das aplicações em LES utilizam o filtro implícito do tipo volumétrico

constante (FREIRE et al., 2002), também chamado de filtro box ou top hat filter (PIO-
MELLI, 1999)

1/∆3 , se |xi | ≤ ∆/2, i = 1, 2, 3;
G(x) = (3.3)
0, caso contrário,
em que ∆ é o tamanho característico do filtro. Quando o tamanho ∆ é tomado como
sendo o mesmo tamanho da malha, as operações de filtragem e diferenciação se comu-
tam, caracterizando uma filtragem implícita. Essa abordagem é também chamada na
literatura de filtragem de Schumann (HUAI, 2006) e é utilizada neste trabalho .
Quando a função filtro é definida de forma a não ser comutativa com a diferenci-
ação, a filtragem é dita explícita. A utilização da filtragem explícita tem a vantagem de
3.2. M ÉDIA FAVRE 27
separar claramente o tamanho do filtro, que está relacionado com a física do problema,
do tamanho da malha que se relaciona apenas com a resolução das pequenas escalas.
As outras funções filtro que também são comunmente utilizadas em LES são o filtro
Gaussiano e o filtro cut-off (KUO; ACHARYA, 2012) (PIOMELLI, 1999) (VEYNANTE;
VERVISCH, 2002).
3.2 Média Favre
Os dois tipos de médias mais comumente aplicados às equações de conservação

para a solução de escoamentos turbulentos são a média temporal (também chamada
de média de Reynolds), definida na Seção 2.5.1, e a média temporal ponderada pela
massa (também chamada de média Favre). A média de Reynolds é bastante utilizada
para escoamentos com massa específica constante, enquanto que a média Favre tem
sido preferida ao tratar escoamentos com massa específica variável, como em chamas
turbulentas.
Com o objetivo de facilitar a expansão do solver desenvolvido para a simulação

de escoamentos com massa específica variável, as equações de conservação da quanti-
dade de movimento foram desenvolvidas em termos da média Favre. De acordo com
Gharbi et al. (GHARBI et al., 1996) a utilização da média ponderada pela massa especí-
fica tem a vantagem de fornecer equações semelhantes às utilizadas para escoamentos
incompressíveis. Piomelli (GHARBI et al., 1996) aponta ainda que com a utilização da
média Favre, não ocorre o surgimento dos termos submalha na equação de conserva-
ção da massa.
Uma variável f filtrada pela média Favre é definida como
hρf i
hhf ii = , (3.4)
hρi
em que o operador hi indica média temporal e hhii o filtro Favre. Decompondo o valor
da variável f em termos de uma componente média hhf ii e uma flutuação f 00 , tem-se
que:
f (x, t) = hhf (x, t)ii + f 00 (x, t), (3.5)

Multiplicando a Eq. 3.5 pela massa específica, aplicando a média temporal ,

tem-se
hρf (x, t)i = hρ(hhf (x, t)ii + f 00 (x, t))i (3.6)

hρf (x, t)i = hρf (x, t)i + hρf 00 (x, t)i, (3.7)
de modo que, pela definição da Eq. 3.4, tem-se
hρf 00 (x, t)i = 0, (3.8)
Este procedimento pode ser aplicado para as variáveis velocidade, fração mássica e
entalpia. Variáveis cujos efeitos da massa específica são inerentes ao processo de medi-
ção, tais como pressão, o tensor de tensões e a própria massa específica não necessitam
ser filtradas pela média Favre. Para estas pode ser utilizada a média temporal tradici-
onal (KUO; ACHARYA, 2012).
3.3 Filtragem das Equações de Conservação
Para realizar a filtragem das equações e utilizarmos a média Favre, é necessário

que seja definida uma variável Favre filtrada (MOIN et al., 1991)
ρf
fe = , (3.9)
ρ
tal que verifica-se as seguintes relações
ρui = ρuei , (3.10)

ρui uj = ρug
i uj , (3.11)
Uma variável pode ser decomposta em termos de sua parcela Favre média filtrada e
sua parcela submalha
f (x, t) = fe(x, t) + f 0 (x, t) , (3.12)
Após a aplicação do filtro, cujo detalhamento pode ser visto em Moint et al.
(MOIN et al., 1991) e Kuo e Acharya (KUO; ACHARYA, 2012), a equação de conserva-
ção da quantidade de movimento, para fluido newtoniano, torna-se

∂ ∂ ∂p ∂ ∂ uei ∂ uej 2 ∂ uei
(ρuei ) + (ρui uj ) = + µ + − µ (3.13)
∂t ∂xj ∂xi ∂xj ∂xj ∂xi 3 ∂xi
3.3. F ILTRAGEM DAS E QUAÇÕES DE C ONSERVAÇÃO 29
Devemos notar que o termo não linear da equação filtrada resultou em um pro-
duto de duas variáveis filtradas, o que inviabiliza sua solução (FREIRE et al., 2002).
Este termo não linear pode ser aberto utilizando a decomposição de Leonard em ter-
mos do filtro Favre (SAGAUT, 2006), definidos nas Eqs. 3.1 e 3.9
ρui uj ≡ ρ (uei + ui 0 ) (uej + uj 0 ) = ρuei uej + ρuei uj 0 + ρui 0 uej + ρui 0 uj 0 , (3.14)
Somando e subtraindo o termo ρuei uej
ρui uj = ρuei uej + ρuei uej − ρuei uej + ρuei uj 0 + ρui 0 uej + ρui 0 uj 0 , (3.15)
de modo que substituindo a Eq. 3.15 em Eq. 3.13 tem-se

∂ ∂ ∂p ∂ ∂ uei ∂ uej 2 ∂ uei
(ρuei ) + (ρuei uej ) = + µ + − µ −
∂t ∂xj ∂xi ∂xj ∂xj ∂xi 3 ∂xi
∂ h i
+ ρuei uej − ρuei uej + ρuei uj 0 + ρui 0 uej + ρui 0 uj 0 (3.16)
∂xj
Define-se ainda o tensor de tensões submalha (sub-grid-scale, sgs):
(σij )sgs = ρui uj − ρuei uej = ρ (ug

i uj − u
ei uej ) , (3.17)
(σij )sgs = ρuei uej − ρuei uej + ρuei uj 0 + ρui 0 uej + ρui 0 uj 0 = Lli,j + Ci,j + Ri,j , (3.18)
sendo Lli,j o tensor de Leonard, Ci,j o tensor cruzado e Ri,j o tensor de Reynolds,
definidos respectivamente como
Lli,j = ρuei uej − ρuei uej , (3.19)

Ci,j = ρ uei uj 0 + ui 0 uej , (3.20)
Ri,j = ρui 0 uj 0 , (3.21)
O tensor de Leonard representa a interação entre as escalas resolvidas que re-

sultam em contribuições submalha. O tensor cruzado representa a interação entre as
escalas resolvidas e as escalas não resolvidas. O tensor de Reynolds representa a inte-
ração entre as escalas pequenas não resolvidas.
Após as equações de conservação passarem pelo processo de filtragem, todas as

equações a serem resolvidas foram adimensionalisadas em termos da velocidade ca-
racterística e do comprimento característico. Como propriedades características foram
tomadas as propriedades do injetor, seguindo a linha dos trabalhos experimentais de

referência. Foram considerados como valores característicos a velocidade do jato, Uj , e
o diâmetro interno do injetor, D, que são as grandezas utilizadas para o cálculo do nú-
mero de Reynolds. Assim as equações adimensionalizadas resolvidas neste trabalho,
na notação de Einstein, são (i, j = 1, 2, 3) :
∂ ρ̄ ∂ ρ̄uei
+ = 0; (3.22)
∂t ∂xi

∂ ∂ ∂p 1 ∂ ∂ uei ∂ uej 2 ∂ uei
(ρ̄uei ) + (ρ̄uei uej ) = − + + − −
∂t ∂xj ∂xi Re ∂xj ∂xj ∂xi 3 ∂xi
∂(σij )sgs
+ , (3.23)
∂xi
A modelagem do tensor de tensões submalha presente na Eq. 3.23 é tratada em deta-

lhes nas próximas seções.
3.4 Modelagem do Tensor de Tensões Turbulentas
O modelo de tensor submalha ideal deve descrever fielmente a interação entre

as escalas resolvidas e as escalas não resolvidas, descrevendo assim o fluxo de energia
cinética que ocorre nos dois sentidos (cascata de energia a frente e reversa). Entre-
tanto, a maioria dos modelos utilizados atualmente consideram somente o fluxo de
energia das grandes escalas para as pequenas e não consideram a transferência reversa
de energia, que possui intensidade consideravelmente menor (SAGAUT, 2006).
Dentro da estratégia elaborada para o estudo do efeito da modelagem subma-

lha em LES de jatos turbulentos coaxiais serão avaliados três modelos para o tensor
de tensões submalha, todos classificados como modelos funcionais. Segundo Sagaut
(SAGAUT, 2006) esta classe de modelos está fundamentada na seguinte hipótese:
"A ação das escalas submalhas sobre as escalas resolvidas é essencialmente energética, de
modo que somente o balanço da energia transferida entre as duas faixas de escalas é suficiente
para descrever a ação das escalas submalha."
Esta classe de modelo é baseada no conceito de viscosidade turbulenta, proposto

por Boussinesq. A utilização do conceito de viscosidade turbulenta introduz a hipótese
3.4. M ODELAGEM DO T ENSOR DE T ENSÕES T URBULENTAS 31
de que "o mecanismo de transferência de energia das escalas resolvidas para as submalha é
análogo ao mecanismo molecular de transferência de quantidade de movimento, representado
pelo termo difusivo onde aparece a viscosidade µ". Desta forma, podemos então escrever o
tensor de tensões submalha como:

∂ uei ∂ uej 2 ∂ uek
(σij )sgs = −νt + + νt δij , (3.24)
∂xj ∂xi 3 ∂xk
que resulta na correção da pressão estática, de onde se obtem a pressão modificada P
1
P = p − ρ̄ (σkk )sgs , (3.25)
3
Entretanto, como o estudo das interações acústicas e efeitos de compressibili-

dade estão fora dos objetivos deste trabalho e o efeito de (σkk )sgs ser pequeno sobre o
campo de velocidades (BOGEY; BAILLY, 2003b), esta parcela isotrópica do tensor de
tensões submalha foi negligenciada. A não consideração deste termo tem como obje-
tivo aumentar eficiência computacional, da mesma forma que feito em Pierce e Moin
(PIERCE; MOIN, 2004; PIERCE, 2001).
Dessa forma o termo submalha (σij )sgs pode ser modelado adicionando-se uma
viscosidade submalha ou turbulenta, como normalmente referida na literatura, µt à
viscosidade molecular, o que resulta na utilização de uma viscosidade efetiva adimen-
sional µe (PETRY, 2002; HUAI, 2006),
µ + µt
µe = , (3.26)
µ
Embora seja sabido que µt >> µ a manutenção da viscosidade e da difusividade mo-
lecular auxilia na estabilidade do código, evitando valores nulos para essas proprieda-
des. Segundo Kuo e Acharya (KUO; ACHARYA, 2012) os efeitos moleculares podem
ser importantes próximo as paredes e próximo a TNTI.
Introduzindo as Eqs. 3.24 e 3.26 na Eq. 3.23 obtém-se

∂ ∂ ∂p µe ∂ ∂ uei ∂ uej 2 ∂ uek
(ρ̄uei ) + (ρ̄uei uej ) = − + + − δij (3.27)
∂t ∂xj ∂xi Re ∂xj ∂xj ∂xi 3 ∂xk
De forma efetiva e simples, a viscosidade turbulenta pode ser vista como a res-
ponsável por levar em conta no modelo o efeito das escalas não resolvidas no escoa-
mento. Ela atua de forma tal que, caso o tamanho do filtro seja maior do que a me-
tade do comprimento dissipativo de Kolmogorov, as menores escalas resolvidas não
serão pequenas o suficiente para que a viscosidade molecular dissipe a energia produ-
zida nas grandes escalas. Desta forma o termo atua como uma viscosidade artificial,
chamado de viscosidade turbulenta, sendo responsável por dissipar a energia cinética
turbulenta que é produzida nas grandes escalas do escoamento (que por sua vez são
resolvidas).
A viscosidade turbulenta, portanto, não é uma característica de um determi-

nado fluido, e sim determinada pelas características locais do escoamento. Sagaut
(SAGAUT, 2006) observa ainda que a maioria dos modelos baseados na viscosidade
turbulenta descrevem somente a cascata de energia a frente induzem o indesejado ali-
nhamento entre o tensor taxa de deformação e o tensor submalha. De fato este ali-
nhamento não ocorre, visto que os resultados de Tao et al. (TAO et al., 2000) mostram
uma orientação relativa de 34 graus entre a taxa de deformação e o tensor de tensões
turbulentas.
Segundo Bonody e Lele (BODONY; LELE, 2008) os modelos submalha para des-
crever a viscosidade turbulenta normalmente se enquadram em três classes: i) coefi-
cientes constantes; ii) coeficiente dinâmico e iii) sem modelo de viscosidade explícito,
utilizando apenas a dissipação numérica do processo de filtragem. Os modelos do
tipo i e ii têm como objetivo aproximar o efeito das tensões submalha, utilizando in-
formações das escalas resolvidas. Já os modelos do tipo iii reproduzem o efeito de
dissipação da energia cinética turubulenta que ocorre nas pequenas escalas pela dissi-
pação dos próprios esquemas numéricos, como através da utilização de esquemas do
tipo upwind, por exemplo. A seguir, serão desenvolvidos os equacionamentos e fun-
damentação relativos ao modelo submalha de Smagorinsky de coeficientes constantes
(do tipo i)), modelo Dinâmico de Germano e Função Estrutura de Velocidade (ambos
do tipo ii)).
3.4.1 Modelo de Smagorinsky
O modelo submalha de Smagorinsky é o modelo mais utilizado para LES. É um

modelo baseado gradiente de velocidade das grandes escalas, inicialmente desenvol-
vido para escoamentos atmosféricos. Trata-se de um modelo bastante simples com
boas propriedades numéricas, mas tem a tendência de dissipar muita energia cinética
turbulenta (HUAI, 2006).
A viscosidade submalha é obtida supondo que as pequenas escalas estão em

equilíbrio, e que a produção de energia cinética turbulentas nas grandes escalas e a dis-
sipação nas pequenas escalas são equivalentes. Smagorinsky (SMAGORINSKY, 1963)
supôs que a viscosidade turbulenta, µt , é proporcional ao comprimento característico
do filtro ∆ e a uma velocidade submalha característica v∆
v∆ = ∆|S|
e (3.28)
p
∆ = 3 ∆x∆y∆z, (3.29)
em que que a norma de Frobenius |S|

e é calculada a partir do segundo invariante do
tensor taxa de deformação filtrado
q
|S|
e = 2Sf
ij Sij ,
f (3.30)

1 ∂ uei ∂ uej
Sij =
f + , (3.31)
2 ∂xj ∂xi
E então, calcula-se a viscosidade turbulenta como
µt = ρ(Cs ∆)2 |S|,

e (3.32)
A constante de Smagorinky, Cs foi determinada analiticamente para turbulência

isotrópica por Lilly (LILLY, 1966) como sendo 0,18, também recomendado por Pope
(POPE, 2000) e Sagaut (SAGAUT, 2006). Wilson e Demuren (WILSON; DEMUREN,
1997) e Jones et al. (JONES et al., 2002) usaram de de 0,1 − 0,12 como sugerido por
Lesieur et al. (LESIEUR et al., 2005) que representa uma redução na viscosidade tur-
bulenta de um fator de aproximadamente 4, enquanto que Deardorff (DEARDORFF,
1970), McMillan (MCMILLAN, 1980) e Ferziger (FERZIGER; PERIC, 2012) recomen-
dam que o valor da constante de Smagorinsky para escoamentos cisalhantes seja de
0,06 − 0,1.
Uzun et al. (UZUN et al., 2003) e Ylyushin e Krasinsky (ILYUSHIN; KRA-

SINSKY, 2006) buscaram o valor adequado para o coeficiente de Smagorinky para LES
de jatos turbulentos de propriedades constantes. O interessante é que em ambos os tra-
balhos foram utilizadas faixas de valores diferentes para a contante de Smagorinsky,
enquanto que o valor adequado para Uzun et al. (UZUN et al., 2003) é Cs = 0,1342, o
valor obtido para Ilyushin e Krasinsky (ILYUSHIN; KRASINSKY, 2006) é próximo ao

valor teórico Cs = 0,17. Essa divergência de resultados ilustra que, de fato, os modelo
submalha interagem com o esquema numérico quanto ao seu efeito de dissipação, não
havendo assim um valor universal para a constante de Smagorinsky que seja adequado
a todos os solvers LES (ILYUSHIN; KRASINSKY, 2006; BRÈS; LELE, 2019).
Embora o modelo submalha de Smagorinsky seja amplamente utilizado na so-

lução de escoamentos turbulentos em LES, provendo geralmente bons resultados, ele
possui algumas limitações (MOIN et al., 1991):
i) A constante de Smagorinky Cs deve ser alterada para a solução de diferentes

escoamentos;
ii) o modelo não tem o comportamentos assintótico correto próximo a paredes;
iii) quando o escoamento torna-se laminar o modelo ainda continua a dissipar

energia cinética, sendo então muito dissipativo na TNTI;
iv) o modelo não contempla o efeito de cascata reversa (backscatter) de energia

das escalas pequenas para as maiores, efeito que pode ser relevante em escoamentos
de transição como os jatos.
v) efeitos de compressibilidade não são considerados.
3.4.2 Modelo Dinâmico de Germano
Com o objetivo de contornar as deficiências do modelo de Smagorinski discuti-

das na seção anterior, Germano et al. (GERMANO et al., 1991), partiram dos conceitos
de similaridade de escalas de Bardina et al (BARDINA et al., 1980) e Germano (GER-
MANO, 1990) para derivar um novo modelo de viscosidade submalha. O modelo usa o
campo de taxa de deformação em duas escalas diferentes, e então emprega informação
espectral no campo das grandes escalas para extrapolar as tensões nas pequenas esca-
las (MOIN et al., 1991). Utilizando a identidade algébrica de Germano (GERMANO,
1990) e o modelo de viscosidade turbulenta de Smagorinsky (SMAGORINSKY, 1963)
para representar as tensões em ambas escalas, Germano et al. (GERMANO et al., 1991)
desenvolveram o modelo que ficou conhecido como modelo Dinâmico de Germano.
O desenvolvimento matemático deste modelo é baseado em um duplo processo

de filtragem, com dois comprimentos de filtro característicos diferentes. O primeiro é o
filtro LES já desenvolvido no texto indicado pela barra (o filtro de malha). O segundo
filtro é o chamado filtro teste, e tem tamanho característico geralmente como sendo
múltiplo do tamanho da malha, e aqui no texto é indicado pelo acento circunflexo (∧).
Analogamente ao processo de filtragem a nível de malha, o filtro teste é definido como:
Z
f (x, t) =
b f (x0 , t)G(x
b − x0 : t)dx’, (3.33)
D
O filtro teste é assumido sendo maior que o filtro de malha, sendo equivalente a uti-
lização de uma malha mais grossa. A recomendação é utilizar ∆ b = 2∆ (LILLY, 1992).
Pela definição do filtro teste, tem-se que G
b = GG.
b
Aplicando o filtro teste na equação já filtrada a nível de malha, Eq. 3.23, obtemos
uma equação duplamente filtrada,
" ! #
∂ c ∂ [ ∂b
p 1 ∂ ei ∂ ub
∂ ub ej 2 ∂ ub
ei
ρuei + ρuei uej = − + + − −
∂(b
σij )sgs
+ , (3.34)
∂xi
Procedendo de forma análoga ao primeiro processo de filtragem, define-se o tensor de
tensões relativo ao segundo filtro, chamado de tensor de tensões subteste (Tij )subteste
(FREIRE et al., 2002)

ρu
ci ρu
cj
(Tij )subteste = ρu
[ i uj − (3.35)
ρ
b
de modo que a Eq. 3.34 pode ser reescrita como:

" ! #
∂ c ∂ b b b ∂b
p 1 ∂ ei ∂ ub
∂ ub ej 2 ∂ ub
ei
ρuei + ρuei uej = − + + − −
∂(Tij )subteste
+ , (3.36)
∂xi
Nesse modelo é considerado que tanto a parte anisotrópica de (Tij )subteste e de

σij )sgs podem ser descritos de acordo com a forma funcional baseada no conceito de
(b
viscosidade turbulenta, mesma utilizada no modelo de Smagorinsky (GERMANO et

al., 1991). Assim procedendo tem-se
1 \
(b σkk )sgs δkk = −2C ∆2 |S|
σij )sgs − (b e Seij (3.37)
3
1 b 2 |S|
(Tij )subteste − (Tkk )subteste δkk = −2C ∆ S ij (3.38)
be be
3
em que
q
|S| = 2Sfij Sij , (3.39)
be cc f
!
1 ∂ ub
ei ∂ u
b
e j
Sf
ij = + , (3.40)
c
2 ∂xj ∂xi
Lilly (LILLY, 1992) observa que o grande discernimento do modelo de Germano

é reconhecer que a consistência entre Eq. 3.37 e Eq. 3.38 depende da escolha apropriada
de um coeficiente C local, de modo que o coeficiente passa a ser função da posição e
do tempo C (x, t).
Subtraindo a Eq. 3.34 da Eq. 3.36, ver Moin et al. (MOIN et al., 1991) e Freire et
al. (FREIRE et al., 2002), tem-se o tensor de Leonard filtrado , que é conhecido como a
Identidade de Germano
Lij ≡ (Tij )subteste − (b

σij )sgs (3.41)
(ρu\
[[
i ) (ρuj ) (ρui )(ρuj )
Lij = − (3.42)
ρ ρ
b

ρc
uei ρc
uej
\
Lij = (ρuei uej ) − (3.43)
ρ
b
a qual pode ser calculada explicitamente. Os elementos da identidade de Germano

Lij são as componentes resolvidas do tensor de tensões associado com as escalas de
movimento entre o filtro teste e o filtro de malha. Lilly (LILLY, 1992) refere-se a estas
escalas como "janela de teste". Através da utilização da Eq. 3.43 é que será possível a
determinação do coeficiente C (x, t) que aparece no modelo de Smagorinsky.
As tensões na janela de teste podem ser avaliadas a partir da diferença entre as

Eq. 3.37 e Eq. 3.38, de modo que
1
Lij − Lkk δij = 2C (x, t) Mij (3.44)
3
em que
2
\
Mij = ∆ |S| b 2 |S|
e Seij − ∆ S ij
be be
(3.45)
e os valores para C (x, t) que resolvem a equação Eq. 3.44 podem ser utilizadas para
determinar as tensões submalha, da mesma forma que é feito no modelo de Smago-
rinsky.
Lilly (LILLY, 1992) propôs minimizar o erro na determinação do coeficiente

C (x, t) através do método dos mínimos quadrados. Ele definiu a variável Q como
sendo o quadrado do erro
2
1
Q = Lij − Lkk δij − 2C (x, t) Mij (3.46)
3
estabelecendo ∂Q/∂C = 0, tem-se

1 Lij Mij
C (x, t) = (3.47)
2 Mij Mij
A Eq. 3.47 foi obtida admitindo Lkk = 0, o que de fato ocorre para a faixa de número
de Mach deste trabalho. Esta hipótese não foi imposta anteriormente com o objetivo
de desenvolvermos o código mais geral posível.
Devemos notar que o denominador da Eq. 3.47 pode tornar-se nulo somente
se todas as suas 5 componentes também forem nulas, situação em que o numerador
também é nulo. O numerador da Eq. 3.47 pode apresentar valores negativos, que
resulta em um coeficiente C localmente negativo, reproduzindo o efeito da cascata de
energia reversa.
A implementação do modelo Dinâmico de Germano não é tão simples quanto

o modelo de Smagorinsky, em função da dupla filtragem. Sagaut (SAGAUT, 2006)
discute algumas propostas relacionadas a implementação para garantir estabilidade
numérica, como por exemplo restringir um valor máximo e um mínimo admissível
para C (x, t) calculado.
3.4.3 Modelo Função Estrutura de Velocidade
O trabalho de Cholet e Lesieur (CHOLLET; LESIEUR, 1981), com o objetivo de

obter o espectro de energia para as escalas resolvidas do escoamento sem a utilização
de informações das pequenas escalas, desenvolveu uma metodologia para o cálculo
da viscosidade turbulenta no espaço de Fourier. O método é válido para turbulên-
cia forçada estacionária e para o decaimento da turbulência homogênea e isotrópica,
assumindo que o número de onde de corte κc encontra-se na faixa inercial com κ5/3 .
Segundo Cholet e Lesieur (CHOLLET; LESIEUR, 1981) a viscosidade turbulenta

no espaço de Fourier pode ser calculada como
s
E (κc , t)
νt (κc , t) = νt + (3.48)
κc
em que νt + é uma constante determinada pelo balanço de energia. Utilizando os resul-
tados de Kraichnan (KRAICHNAN, 1976) com a hipótese de um espectro de energia
de Kolmogorov para números de onda superior a κc , tem-se νt + = 0,267, de modo que
s
E (κc , t)
νt (κc , t) = 0,267 (3.49)
κc
O cálculo da viscosidade turbulenta no espaço físico é complexo e pode ser feito

mediante a utilização do conceito de Função Estrutura de Velocidade de segunda or-
dem, proposto por Métais e Lesieur (MÉTAIS; LESIEUR, 1992). A Função Estrutura de
Velocidade local de segunda ordem F2 (x, ∆, t) é definida por
F2 (x, r, t) = ku (x + r, t) − u (x, t) k (3.50)
em que o operador ¯ indica média espacial da operação em torno do ponto x no in-

terior de uma esfera de raio r. Segundo Batchelor (BATCHELOR, 1953) existe uma
correspondência entre a função estrutura de velocidade F2 (x, ∆, t), definida no espaço
físico, e o espectro de energia E (κ, t), definido no espaço de Fourier para turbulência
homogênea e isotrópica, de acordo com a seguinte relação:
E (κc , t) = 0,03∆F2 (x, r, t) , (3.51)
que utilizando a Eq. 3.48 resulta em

p
νt (x, ∆, t) = 0,067CK −3/2 ∆ F2 (x, r, t) (3.52)
sendo ∆ o tamanho característico da malha e CK = 1,4 é a constante de Kolmogorov. A

Eq. 3.52 representa νt utilizando F2 (x, ∆, t) para todo o espectro de energia. Entretando
em LES devemos utilizar somente a parte do espectro das escalas resolvidas, κ < κc ,
de modo que para atender este interesse, Métais e Lesieur (MÉTAIS; LESIEUR, 1992)
propuseram a utilização de uma função estrutura de velocidade truncada F2t (x, r, t)
F2t (x, r, t) = hku (x + r, t) − u (x, t) kikrk=∆ (3.53)
de modo que a equação para o cálculo da viscosidade turbulenta utilizando o modelo

Função Estrutura (Structure-Funcion Model - SFModel) passa a ser:
p
νt (x, ∆, t) = 0,104CK −3/2 ∆ F2t (x, ∆, t), (3.54)
De acordo com Lesieur (LESIEUR, 2012) o modelo apresenta bons resultados para es-
coamentos cisalhantes livres, sendo menos dissipativo que o modelo de Smagorinsky.
Capítulo 4
Método Numérico
As análises referentes ao efeito da modelagem submalha em jatos de massa es-

pecífica variável foram todas realizadas em um código de desenvolvimento próprio,
implementado em FORTRAN90. As equações são resolvidas para um domínio tri-
dimensional em coordenadas cartesianas utilizando o método das diferenças finitas.
Este capítulo será dedicado ao detalhamento da abordagem numérica e estratégia de
implementação utilizada.
4.1 O Método das Diferenças Finitas
Os três métodos tradicionalmente utilizados para solução de escoamentos são

o das diferenças finitas, o dos volumes finitos e o dos elementos finitos. Desde seu
desenvolvimento inicial, estes métodos evoluiram bastante, de modo que é comum
encontrarmos na literatura soluções para diferentes tipos de problemas envolvendo
todos os três. Deve ser mencionado também que grandes avanços têm sido realiza-
dos no desenvolvimento dos métodos Lattice Boltzmann (PERUMAL; DASS, 2015),
podendo ser mais uma importante alternativa prática em um futuro próximo.
No método das diferenças finitas, um problema contínuo é discretizado de modo

que as variáveis dependentes são consideradas existentes somente em pontos discre-
tos do domínio de interesse. As equações diferenciais governantes são discretizadas
a partir de aproximações algébricas para suas derivadas, de modo que o problema
passa a ser descrito por um sistema de equações algébricas, lineares ou não lineares
(PLETCHER et al., 2012).
41
42 C APÍTULO 4. M ÉTODO N UMÉRICO
Ainda que existam diferentes procedimentos para derivação dos esquemas nu-
méricos para aproximação das derivadas espaciais, como o DRP (Dispersion-Relation-
Preserving) de Tam e Web (TAM; WEBB, 1993), a obtenção das aproximações para uma
propriedade genérica φ é geralmente realizada a partir de expansões em séries de Tay-
lor
∂φ ∂ 2 φ (∆x)
φ (x0 + ∆x, y0 , z0 ) = φ (x0 , y0 , z0 ) + |0 ∆x + 2 |0 + ,,,
∂x ∂x 2!
∂ n−1 φ (∆x)n−1 ∂ n φ (∆x)n
,,, + n−1 |0 + n |0 , (4.1)
x (n − 1)! x n!
que é a origem dos esquemas numéricos utilizados neste trabalho, detalhada a seguir.
4.2 Esquemas para Discretização das Derivadas Espa-

ciais
No presente estudo todas as derivadas espaciais foram discretizadas utlizando

esquemas de diferenças centrais de segunda ordem para pontos no interior do do-
mínio e esquemas de segunda ordem atrasados ou adiantados (backward ou forward)
nos contornos. A escolha deste tipo de esquema se deu em função deste possuir uma
característica não dissipativa (MAINIERI, 2013) e apresentar precisão suficiente para
a solução de problemas de engenharia. A utilização de esquemas com caractrísticas
dissipativas em LES elimina as flutuações inerentes aos escoamentos turbulentos, não
sendo recomendados.
A obtenção dos esquemas centrais de segunda ordem para derivadas primeira

e segunda utilizados neste trabalho é realizada a partir da expansão em série de Tay-
lor e truncamento dos termos na ordem desejada. Assim, através de manipulações
algébricas, obtem-se para os pontos no interior do domínio as seguintes aproximações
∂φ φi+1,j,k − φi−1,j,k
+ O (∆x)2 ,

= (4.2)
∂x 2∆x
∂ 2φ φi+1,j,k − 2φi,j,k + φi−1,j,k

+ O (∆x)2 ,

2
= 2 (4.3)
∂x (∆x)
onde os subscritos i, j e k se referem aos pontos da malha, conforme ilustrado na
Fig 4.1 para uma situação de problema de apenas duas dimensões (para facilitar a
4.3. A RRANJO DAS VARIÁVEIS NA M ALHA 43
F IGURA 4.1. Distribuição de pontos de uma malha em um espaço bidimensional,

adaptado de Fortuna (2000).
visualização). O tratamento aplicado aos pontos dos contornos será descrito em seção
dedicada às fronteiras, na sequência do texto.
4.3 Arranjo das Variáveis na Malha
A malha é o conjunto de pontos discretos definidos dentro de um domínio espa-

cial para representar a solução de um problema matemático contínuo. A Fig. 4.1 ilustra
um conjunto de pontos distribuídos para representar um espaço plano cartesiano XoY
A forma mais simples e direta para localizar as grandezas monitoradas no escoa-

mento é armazenar todas as propriedades nos pontos da malha, o que facilita bastante
a implementação do código (FERZIGER; PERIC, 2012). Entretanto, apesar de atrativo,
a utlização deste tipo de arranjo das variáveis na malha para a solução das equações de
Navier-Stokes pode fornecer campos oscilatórios, como já relatado por diversos pes-
quisadores (FERZIGER; PERIC, 2012; CLÓVIS, 1995; FORTUNA, 2000; PLETCHER et
al., 2012).
Buscando evitar a ocorrência de soluções oscilatórias, foi adotado um arranjo de

variáveis na malha dito deslocado, em que as velocidades e a pressão são armazenados
em diferentes locais da malha, conforme Fig. 4.2. Este arranjo das variáiveis desloca-
das na malha foi introduzido inicialmente por Harlow e Welch (HARLOW; WELCH,
F IGURA 4.2. Representação das grandezas na malha em arranjo deslocado utlizado,

adaptado de Fortuna (2000). A dimensão "z"foi omitida para simplificar a visualização.
1965). A utilização do arranjo deslocado se deu com o objetivo de seguir a sugestão

de Fortuna (FORTUNA, 2000) para a obtenção de uma solução mais estável. Fortuna
(FORTUNA, 2000) observa que embora os pontos "i + 12 , j, k", "i − 21 , j, k", "i, j + 12 , k"e
"i, j − 12 , k"não estejam presentes explicitamente na malha, sua utilização é um artifí-
cio matemático para a obtenção da aproximação desejada. Para este tipo de arranjo de
malha, tem-se que componentes de velocidades u, v e w são armazenadas nas faces das
∆x ∆y ∆z
células, distantes 2
, 2 e 2
, respectivamente, do centro da célula. A pressão p e as
demais propriedades (φ) do escoamento são armazenadas no centro da célula.
Consequentemente, a discretização das equações de conservação de cada com-

ponente da velocidade irá ocorrer em diferentes posições. Para as equações de con-
servação do movimento na direção x, a discretização será nas faces normais ao eixo
x. De modo análogo, é realizada a discretização para as equações de conservação do
movimento para as direções y e z nas faces normais aos eixos y e z, respectivamente.
Por outro lado, a equação de conservação da massa é discretizada usando valores no
centro das células (na posição "i,j,k").
A discretização das equações de conservação para a quantidade de movimento

empregada neste trabalho são semelhantes a apresentada de forma detalhada em For-
tuna (FORTUNA, 2000), com a diferença de que aqui a massa específica é mantida
dentro das derivadas. A manutenção da massa específica dentro das derivadas se deu
com o objetivo deixar as equações e o código encaminhado para expansão à solução de
escoamentos com variação de massa específica. As interpolações para a obtenção dos
valores das grandezas em posições diferentes do seus locais de armazenamento foram
todas realizadas por meio de médias aritméticas, a qual mantém a ordem do erro em 2,
sendo portanto consistente com os esquemas centrados. A discretização das equações
4.4. D ISCRETIZAÇÃO DAS D ERIVADAS T EMPORAIS 45
de conservação para o escoamento tridimensional é apresentada no Apêndice A deste

documento.
4.4 Discretização das Derivadas Temporais
As derivadas temporais foram aproximadas a partir de esquemas explícitos, que

apesar de possuirem maiores restrições de estabilidade, são fácil de serem implemen-
tados em computação paralela. Considera-se então uma equação de conservação do
tipo
∂φ
= R (φn ) , (4.4)
∂t
em que φ é a variável dependente e R (φn ) é o somatório de todos os termos que não in-
cluem a derivada temporal, incluindo possíveis termos fontes e as derivadas espaciais
discretizadas. A discretização temporal explícita mais simples é o esquema de Euler
explícito (FORTUNA, 2000), que para esta equação é definida por
φn+1 = φn + ∆t ∗ R (φn ) , (4.5)
A utilização combinada dos métodos de Euler explícito e esquemas de segunda

ordem centradas para derivadas espaciais configuram o Método FTCS apresentado em
Pletcher et al.(PLETCHER et al., 2012), constituindo um esquema numérico de primeira
ordem no tempo e segunda no espaço.
Entretanto, tendo em vista que o fenômeno da turbulência é intrinsicamente

transiente, em que as grandezas instantâneas variam ao longo do tempo em torno de
uma média (MÖLLER; SILVESTRINI, 2004) a utilização de um esquema de primeira
ordem (que possui características dissipativas) para as derivadas temporais introduz
erros numéricos na solução. O caráter dissipativo dos esquemas de primeira ordem
amortecem as flutuações, podendo retardar ou anular efeitos de transição como os que
ocorrem em jatos.
Portanto, tratando-se de escoamentos turbulentos, recomenda-se a utilização de

um esquema numérico cuja ordem do erro em relação ao tempo seja no mínimo dois
(PLETCHER et al., 2012). Com o objetivo de aumentar a ordem do esquema tempo-

ral foi utilizado um esquema multi-estágios do tipo Runge-Kutta. Segundo Blazek
(BLAZEK, 2015) estes esquemas explícitos são computacionalmente baratos, conso-
mem pouca memória e ainda apresentam a vantagem de que podem ser empregados
com qualquer esquema de discretização espacial.
O esquema multiestágio utilizado neste trabalho é um método Runge-Kutta com

baixo armazenamento, apresentado em Blazek (BLAZEK, 2015), dado por
φ0 = φn
φ1 = φ0 + α1 ∆t ∗ R (φ0 )
φ2 = φ0 + α2 ∆t ∗ R (φ1 ) (4.6)
..
.
φn+1 = φm = φ0 + αm ∆t ∗ R (φm−1 )
em que os coeficientes αm são os coeficientes de cada estágio, e m o número de estágios.

A partir da utilização de coeficientes adequados podemos alterar ou a ordem do erro
da integração temporal ou a região de estabilidade do esquema (BLAZEK, 2015). Os
trabalho de Hu et al. (HU et al., 1996) e Allampalli et al. (ALLAMPALLI et al., 2009)
apresentam uma discussão sobre o procedimento para a determinação e otimização
dos coeficientes para o método Runge-Kutta.
A Tabela 4.1 apresenta os coeficientes propostos por Blazek (BLAZEK, 2015). As

soluções obtidas com esquemas Runge-Kutta neste trabalho empregaram esquemas
de segunda ordem e 3 estágios. Com o objetivo de acelerar a obtenção do regime es-
tatisticamente estacionário, foi implementada uma metodologia para passo de tempo
variável, conforme será discutido na seção 4.6.
Dessa forma, o arranjo numérico proposto e utilizado consiste de esquemas cen-

trais de segunda ordem para as derivadas espaciais advectivas e difusivas, e de se-
gunda ordem explícito para as derivadas temporais.
4.5. T RATAMENTO DA P RESSÃO 47
TABELA 4.1. Coeficientes do método Runge-Kutta para erro de truncamento de se-

gunda ordem, de Blazek (2015).
Número de estágios 3 4 5
CFL 0.69 0.92 1.15
α1 0.1918 0.1084 0.0695

α2 0.4929 0.2602 0.1602
α3 1.0000 0.5052 0.2898
α4 0 1.0000 0.5060
α5 0 0 1.0000
4.5 Tratamento da Pressão
O tratamento do termo de pressão é uma das etapas mais complexas na solução

das equações de Navier-Stokes. A dificuldade se deve ao fato da pressão ter grande
influência nas equações do movimento e não existir uma equação de conservação es-
pecífica para a sua avaliação a cada passo de integração. Verifica-se também que para
escoamentos a baixo número de Mach, como os do presente estudo, a equação da con-
tinuidade não tem uma variável dominante, de modo que configura-se apenas como
uma restrição cinemática que o campo de velocidades deve obedecer (FERZIGER; PE-
RIC, 2012; CLÓVIS, 1995).
Uma equação de Poisson para a pressão derivada a partir do divergente das

equações de conservação da quantidade de movimento é normalmente utilizada para
a avaliação do campo de pressão, tanto em métodos explícitos quanto em métodos
implícitos. Ferziger (FERZIGER; PERIC, 2012) observa que a utilização da equação de
Poisson não deve ser feita de forma independente, é preciso que ela seja consistente
com a conservação da massa.
A literatura especializada já citada apresenta uma grande variedade de métodos

para a avaliação correta do campo de pressão. Segundo Fortuna (FORTUNA, 2000)
estes métodos podem ser divididos em dois grandes grupos, os explícitos e os implíci-
tos. Embora a utlização de métodos explícitos resulte em restrições no passo de tempo
da marcha temporal, por conta das condições de estabilidade (FORTUNA, 2000), no

contexto deste trabalho eles são vantajosos por dois motivos principais. O primeiro é
que em função das escalas características da turbulência serem pequenas, ainda que
as condições de estabilidade permitissem grandes avanços no tempo isso implicaria
na não captura de importantes fenômenos da turbulência que estamos interessados.
O segundo encontra-se na facilidade da paralelização de métodos explícitos, que se
faz necessária em função da utlização de domínios com elevados números de pontos.
Portanto este tipo de método foi escolhido para a solução do problema em estudo.
O cálculo do campo de pressão é realizado mediante o método Sola (Solution

Algorithm) (HIRT et al., 1975; WILSON et al., 1988), que consiste em um procedimento
iterativo para corrigir a pressão em cada célula do domínio em um instante n + 1 , de
modo que:
- A pressão de uma célula é aumentada caso exista um fluxo de massa resultante

para dentro da célula, ou;
- A pressão de uma célula é reduzida caso exista um fluxo de massa resultante

para fora da célula.
A análise do sentido do fluxo de massa resultante é realizado a partir do cálculo

da Dilatação
Dil = ∇ · (ρuei ) (4.7)
Devemos notar que trata-se de um procedimento intrinsicamente iterativo, uma vez

que quando ajustamos a pressão de uma célula, e consequentemente ajustamos as ve-
locidades (que são alocadas nas faces da célula) para esta nova pressão, com o intuito
de corrigir a dilatação de uma célula, também alteramos as dilatações das seis células
vizinhas. O procedimento é repetido até que o valor da dilatação em todas as células
do domínio estejam abaixo de uma tolerância ξ.
A seguir apresentaremos o desenvolvimento das equações para correção do

campo de pressão e das velocidades. Para simplificar a notação, a partir deste ponto
trataremos as três componentes da velocidade como u, v e w, uma vez que os índices
i j k serão utilizados para indicar posição na malha. Definiremos os termos F n (i+ 1 ,j,k) ,
2
Gn (i,j+ 1 ,k) e H n (i,j,k+ 1 ) como:

2 2
h i
F n (i+ 1 ,j,k) = (ρu)n (i+ 1 ,j,k) + ∆t −ADV EC n (i+ 1 ,j,k) + DIF F n (i+ 1 ,j,k) (4.8)
2 2 2 2
h i
Gn (i,j+ 1 ,k) = (ρv)n (i,j+ 1 ,k) + ∆t −ADV EC n (i,j+ 1 ,k) + DIF F n (i,j+ 1 ,k) (4.9)
2 2 2 2
h i
H n (i,j,k+ 1 ) = (ρw)n (i,j,k+ 1 ) + ∆t −ADV EC n (i,j,k+ 1 ) + DIF F n (i,j,k+ 1 ) , (4.10)
2 2 2 2
em que os termos ADV EC n (i,j,k) e DIF F n (i,j,k) são dados pelas Eq. A.5 e Eq. A.6
do Apêndice A. Utilizando as Equações 4.8, 4.9 e 4.10, as equações para atualizar as
velocidades para uma célula computacional típica, ilustrada na Fig. 4.3 (vide apêndice
A) são escritas como:
n n+1
n
pn (i+1,j,k) − pn (i,j,k)
ρ u (i+ 21 ,j,k)
= F (i+ 1 ,j,k) − ∆t (4.11)
2 ∆x
pn (i,j,k) − pn (i−1,j,k)
ρn un+1 = F n (i+ 1 ,j,k) − ∆t

(i− 21 ,j,k)
(4.12)
2 ∆x
pn (i,j+1,k) − pn (i,j,k)
ρn v n+1 = Gn (i,j+ 1 ,k) − ∆t

(i,j+ 12 ,k)
(4.13)
2 ∆y
pn (i,j,k) − pn (i,j−1,k)
ρn v n+1 = Gn (i,j− 1 ,k) − ∆t

(i,j− 12 ,k)
(4.14)
2 ∆y
n n+1
n
pn (i,j,k+1) − pn (i,j,k)
ρ w (i,j,k+ 12 )
= H (i,j,k+ 1 ) − ∆t (4.15)
2 ∆z
n n+1
n
pn (i,j,k) − pn (i,j,k−1)
ρ w (i,j,k− 12 )
= H (i,j,k− 1 ) − ∆t (4.16)
2 ∆z
Uma vez que as velocidades dadas pelas equações 4.11 - 4.16 normalmente não satis-
fazem a equação da continuidade, elas precisam ser corrigidas.
A idéia é corrigir a pressão para que as velocidades decorrentes deste novo

campo de pressão satisfaçam o princípio de conservação da massa. Teremos então um
processo iterativo que utiliza uma correção δP para zerar a dilatação Dil . De modo que
as equações recursivas para as velocidades que devem produzir uma dilatação nula,
são
h
n n+1,k
i
n ∆t h in+1,k
ρ (u + δu) = F (i+ 1 ,j,k) − p(i+1,j,k) − (p + δp)(i,j,k) (4.17)
(i+ 12 ,j,k) 2 ∆x
F IGURA 4.3. Localização das grandezas na malha em um arranjo deslocado, adaptado

de Fortuna (2000).
h i ∆t h in+1,k
ρn (u + δu)n+1,k = F n (i− 1 ,j,k) − (p + δp)(i,j,k) − p(i+1,j,k) (4.18)
(i− 12 ,j,k) 2 ∆x
h i ∆t h in+1,k
ρn (v + δv)n+1,k = F n (i+ 1 ,j,k) − p(i,j+1,k) − (p + δp)(i,j,k) (4.19)
(i,j+ 21 ,k) 2 ∆y
h i ∆t h in+1,k
ρn (v + δv)n+1,k = F n (i− 1 ,j,k) − (p + δp)(i,j,k) − p(i,j−1,k) (4.20)
(i,j− 12 ,k) 2 ∆y
h
n n+1,k
i
n ∆t h in+1,k
ρ (w + δw) = F (i,j,k+ 1 ) − p(i,j,k+1) − (p + δp)(i,j,k) (4.21)
(i,j,k+ 12 ) 2 ∆z
h
n n+1,k
i
n ∆t h in+1,k
ρ (w + δw) =F (i,j,k− 12 ) − (p + δp)(i,j,k) − p(i,j,k−1) (4.22)
(i,j,k− 12 ) ∆z
Subtraindo as equações sem correções Eqs.4.11 - 4.16 das equações sem correções
Eqs. 4.17 - 4.22 tem-se
n+1,k ∆t δpn+1,k
(i,j,k)
δu (i+ 12 ,j,k) = (4.23)
ρn (i+ 1 ,j,k) ∆x
2
n+1,k ∆t δpn+1,k
(i,j,k)
δu (i− 12 ,j,k) =− (4.24)
ρn (i− 1 ,j,k) ∆x
2
n+1,k ∆t δpn+1,k
(i,j,k)
δv (i,j+ 12 ,k) = (4.25)
ρn (i,j+ 1 ,k) ∆y
2
n+1,k ∆t δpn+1,k
(i,j,k)
δv (i,j− 12 ,k) =− (4.26)
ρn (i,j− 1 ,k) ∆y
2
n+1,k ∆t δpn+1,k
(i,j,k)
δw (i,j,k+ 21 ) = (4.27)
ρn (i,j,k+ 1 ) ∆z
2
n+1,k ∆t δpn+1,k
(i,j,k)
δw (i,j,k− 21 ) =− (4.28)
ρn (i,j,k− 1 ) ∆z
2
Impondo que as velocidades corrigidas resultem em uma dilatação nula, Dil =

0, chega-se a
+ δun+1,k (i+ 1 ,j,k) − ρn un+1,k + δun+1,k (i− 1 ,j,k)

n n+1,k
ρ u
Diln+1,k+1 = 2 2
+ (4.29)
∆x
+ δv n+1,k (i,j+ 1 ,k) − ρn v n+1,k + δv n+1,k (i,j− 1 ,k)
n n+1,k
ρ v
2 2
+ +
∆y
n+1,k n+1,k
n n n+1,k
ρ wn+1,k + δw 1 − ρ
(i,j,k+ )
w + δw (i,j,k− 1 )
2 2
+ =0
∆z
Substituindo as correções das velocidades pelas Equações 4.23 - 4.28 no termo

da correção de pressão e resolvendo para a mesma chega-se na equação para a correção
da pressão:
−Diln+1,k+1
δpn+1,k+1
(i,j,k) = h i (4.30)
1 1 1
2∆t ∆x2
+ ∆y 2
+ ∆z 2
Devemos notar que o sinal negativo do numerador, que surge matematicamente, in-
dica que a pressão na célula deve ser reduzida quando há um fluxo de massa resultante
para fora da célula. De posse do valor que devemos corrigir a pressão em cada ponto
do domínio, podemos então determinar a equação recursiva para avaliação do campo

de pressão
pn+1,k+1
(i,j,k) = pn+1,k n+1,k+1
(i,j,k) + δp(i,j,k) (4.31)
Os campos de velocidade e pressão obtidos quando a dilatação for menor que a

tolerância são então utilizados na solução das equações do movimento, para então dar
continuidade à marcha temporal.
Uma vez que as velocidades e os valores da massa específica não são armaze-
nados na mesma localização da malha, o seu cálculo requer o uso de interpolações. A
descrição detalhada da discretização da dilatação Dili,j,k é apresentada no Apêndice B.
Pode ser verificado que no procedimento descrito as velocidades são avaliadas

em n+1 enquanto que a massa específica em n. Essa defasagem temporal está alinhada
com a estratégia de solução segregada que será descrita na sequência do texto, na seção
referente a sequência de solução.
4.6 Condição de Estabilidade e Malha
A modelagem da turbulência através da técnica LES é sensível ao refinamento

de malha, de modo que à medida que o tamanho do filtro espacial é reduzido, diminui
também a porção do resultado que é obtida por modelos submalhas. Como consequên-
cia, ocorre uma diminuição do impacto da modelagem submalha sob os resultados
obtidos, visto que um maior número de escalas passam a ser resolvidos diretamente
pelas equações de Navier-Stokes.
A malha utilizada para o estudo do problema foi do tipo estruturada regular,

com distância entre os pontos discretos constante em todas as direções (∆x = ∆y =
∆z). Este tipo de malha, embora simples e em uma primeira impressão parecer ina-
dequada ou ineficiente, possui algumas características interessantes. Em função da
metodologia de filtragem implícita utilizada neste trabalho, conforme descrito na Se-
ção 3.2, o emprego de uma malha com espaçamento regular evita a propagação de
4.6. C ONDIÇÃO DE E STABILIDADE E M ALHA 53
erros devido a variações do tamanho do filtro, como descrito por Piomelli (PIOMELLI,
1999) e demonstrado por Ilyushin e Krasinsky (ILYUSHIN; KRASINSKY, 2006).
A utilização de malhas com espaçamento constante resulta em malhas com ele-

vados números de pontos. A concentração de pontos utilizada nas regiões de gradien-
tes elevados é a mesma das regiões onde os gradientes são suaves. Por outro lado, este
tipo de malha torna propícia a utilização de passos de tempos variáveis, por facilitar a
análise da condição de estabilidade de Courant-Friedrichs-Lewy (CFL).
Esquemas de integração temporal explícitos são instáveis quando são utilizados

valores de CFL maiores que seus valores críticos, definidos por
3
X ui
CF L = ∆t , (4.32)
i=1
∆xi
cujos valores críticos para o método utilizado são listados na Tab. 4.1, no final da Seção
4.4. Portanto o passo de tempo ao longo da marcha temporal do problema pode ser
alterado para acelerar a obtenção de resultados estatísticamente estacionários, desde
que a condição CFL dada em Eq. 4.32 seja sempre menor ou igual a um valor crítico,
neste trabalho admitido como sendo 95% dos valores da Tab. 4.1.
Tomando a Eq. 4.32 e introduzindo as definições dos passos de tempo difusivo

(∆tdif ) e advectivo (∆tad )
3
!
X ∆xi
∆tad =
i=1
|ui |max
(4.33)
3
!
2
X ∆xi
∆tdif =
i=1
µe
em que ∆xi é o espaçamento da malha na direção i e |ui |max são as velocidades máxi-
mas normalizadas nas respectivas direções i, chega-se a uma expressão para o ∆t
−1
1 1
∆t = CF Lcrítico + , (4.34)
∆tad ∆tdif
análogo ao desenvolvido em Damasceno (DAMASCENO et al., 2015). A utilização

desta metodologia para a avaliação do passo de tempo conduz a uma sensível redução
dos tempo de simulação necessários, comparado ao uso de um passo de tempo fixo.
Devemos observar entretanto que os valores de passo de tempo obtidos são apreci-
avelmente menores do que os tempos característicos da escala dissipativa Kolmogo-
rov, comportamento semelhante às análises realizadas por Choi e Moin (CHOI; MOIN,
1994).
4.7 Tratamento das Condições de Contorno
O sistema de equações formado pelas equações de Navier-Stokes possui ele-

vada não linearidade. Portanto, a utilização de condições de contorno inadequadas
pode fornecer uma solução distante da realidade. Fortuna (FORTUNA, 2000) observa
que existem muitas aproximações que podem ser utilizadas para limitar o domínio de
solução do escoamento sob estudo, mas que ainda não há uma aproximação universal
para descrever as fronteiras do domínio computacional que apresente bons resultados
em todos os problemas.
Análises de LES realizadas com diferentes modelos submalha tem mostrado

que, em muitos casos, não são os modelos sub-malha que têm mais influência sobre
a acurácia da solução, mas sim a adequada descrição das condições de contorno da re-
gião de entrada do escoamento, e de contorno como um todo, como visto no trabalho
de Payri et al. (PAYRI et al., 2016). Aumentando o tamanho do domínio computaci-
onal podemos reduzir o efeito das condições de contorno nos resultados, em função
do efeito de "perda de memória"pela turbulência sobre a estrutura de contorno do
escoamento. Por outro lado, tal aumento do domínio computacional resulta, inevita-
velmente, em uma maior demanda de recursos computacionais.
Neste trabalho são resolvidas as equações para a quantidade de movimento,

sendo aplicada uma metodologia para o cálculo da pressão embasada na equação de
conservação da massa. Logo, é necessário a especificação de condições de contorno
para cada uma das três componentes de velocidade e para a equação da pressão. A
Fig. 4.4 representa esquematicamente a geometria do problema resolvido. Trata-se de
um duto de seção quadrada com um duto interno de seção circular concêntrico ao duto
externo. Para esta configuração de escoamento, é necessário que sejam especificadas
condições de contorno para a entrada e saída do domínio e para as paredes do duto
4.7. T RATAMENTO DAS C ONDIÇÕES DE C ONTORNO 55
F IGURA 4.4. Esboço da geometria utilizada nas simulações.
externo e injetor, para todas as equações diferenciais parciais resolvidas.
Para as equações de conservação de quantidade de movimento, são definidas

condições de contorno de Dirichlet para a fronteira de entrada e para as paredes do
duto, ou seja, velocidades são prescritas para a fronteira de entrada e para as paredes
dos dutos. No problema experimental de referência as paredes são sólidas e imper-
meáveis, portanto com velocidades de escoamento nulas, condição conhecida como de
não deslizamento e de impenetrabilidade. Para a fronteira de saída, será utilizada uma
condição de contorno de Neumann para escoamentos plenamente desenvolvidos, em
que admite-se que o fluxo de quantidade de movimento normal a fronteira é nulo
∂u
= 0, (4.35)
∂n
O detalhamento das metodologias para implementação destas condições de contorno
nas equações de conservação da quantidade de movimento será realizado nas próxi-
mas duas seções.
Com relação à equação para avaliação da pressão, suas condições de contorno

tem origem puramente numéricas. Tal fato se deve a equação para a pressão ser ob-
tida por meio de manipulações matemáticas, de modo que não existem condições de
contorno físicas (FORTUNA, 2000). Esse incoveniente para avaliação das condições
de contorno para a pressão pressão foi um dos motivos que conduziram a escolha do
algoritmo SOLA. Por meio do método SOLA um campo de pressão estimado inicial-
mente é apenas corrigido para satisfazer a equação da continuidade, não havendo a
necessidade de especificar valores para a pressão em pontos fora do domínio de solu-

ção.
4.7.1 Condições de Contorno de Entrada
O tratamento das condições de contorno, tanto para entrada quanto para saída
do domínio computacional é um tema complexo. A complexidade reside no fato de
que as componentes de velocidade nessa fronteira devem possuir uma parcela média
e outra parcela estocástica. A componente estocástica é responsável por mimificar a
turbulência e de preferência ser de fácil implementação (TABOR; BABA-AHMADI,
2010).
Existem dois procedimentos geralmente usados para tratar as condições de con-

torno de entrada em escoamentos turbulentos, chamados de técnicas de mapeamento
e técnicas sintetizadoras (SAGAUT et al., 2013). Os métodos de mapemamento são do
tipo precursor, em que o sinal a ser utilizado como condição de contorno é gerado em
outra simulação e armazenado, ou do tipo reciclador, em que as velocidades em um
plano distante da entrada são reescalonadas e reutilizadas como condição de contorno.
Por outro lado, os métodos sintentizadores utilizam procedimentos estocásticos

e restrições físicas para que o sinal produzido possua natureza semelhante à turbulên-
cia. Os trabalhos de Tabor e Baba-Ahmadi (TABOR; BABA-AHMADI, 2010), Damas-
ceno (DAMASCENO, 2012) e Montafarno et al. (MONTORFANO et al., 2013) apre-
sentam importantes revisões e discussões a respeito da modelagem da condição de
contorno de entrada.
A escolha de uma determinada metodologia deve levar em conta o custo com-

putacional, o nível desejado de detalhes e a natureza do problema em estudo (TABOR;
BABA-AHMADI, 2010). Ainda nesta direção, Brès e Lele (BRÈS; LELE, 2019) observam
que a simulação detalhada do escoamento que ocorre no interior do bocal de um jato
pode ser tão complexa quanto o problema objetivo, uma vez que é necessário tratar de
forma cuidadosa o problema do escoamento próximo a parede do bocal.
Os resultados de Stanley e Sarker (STANLEY; SARKAR, 2000) mostram que o

desenvolvimento espacial da camada limite de jatos é bastante sensível às condições

da entrada, o que vai de encontro com o observado em Bodony e Lele (BODONY;
LELE, 2008). Portanto, neste trabalho as análises de desempenho dos modelos sub-
malha serão realizadas para duas diferentes modelagens da condição de contorno de
entrada. A primeira consiste em definir perfis de velocidades turbulentos plenamente
desenvolvido sem flutuações de velocidades. Na segunda, um sinal turbulento é ge-
rado a partir de uma técnica sintetizadora, o filtro digital de Klein et al. (KLEIN et al.,
2003), a ser descrito na próxima seção.
Para a fronteira COFLOW (Fig. 4.4), foi definido um perfil plano de velocidades
a uma distância de 3 diâmetros do injetor à montante do injetor. Para a região JET-
FLOW (Fig. 4.4), utilizou-se um perfil médio de escoamento turbulento plenamente
desenvolvido, que para um duto circular é avaliado pela expressão do tipo power-law
(ABRAMOVICH, 1963):
u
e (r) r 1/7
= 1− , (4.36)
u
emax R
em que u
e (r) é a velocidade média do escoamento a uma distância r do centro do inje-
tor, u
emax é a velocidade máxima do jato.
4.7.1.1 Método Sintetizador - Filtro Digital
Dentro da categoria dos métodos sintetizadores, o método mais simples consiste

na inserção de um ruido branco (um número randômico) sobre uma distribuição média
da grandeza que desejamos obter. A partir deste conceito tem-se que as componentes
da velocidade para a fronteira de entrada são dadas por
ui = ũi + Rand CR , (4.37)
em que CR é um coeficiente correspondente a intensidade de turbulência e Rand é um

número randômico (entre −0,5 e 0,5). Caso a energia cinética turbulenta kt seja co-
nhecida, é possível reescalonar o sinal turbulento de modo que este possua sempre a
energia cinética turbulenta correta,
r
2
ui = ũi + Ru,i kt , (4.38)
3
F IGURA 4.5. Resultado da utilização de um sinal de entrada gerado por um ruido

branco em um jato plano, adaptado de Klein et al. (2003) .
1 02 02 02

kt = u +v +w , (4.39)
2
r
1 02
u + v 0 2 + w0 2 ,

ui = ũi + Ru,i (4.40)
3
sendo Ru,i avaliado a partir das próprias flutuações a serem inseridas no perfil de ve-
locidades médias. Este procedimento gera um sinal randômico capaz de reproduzir a
velocidade média e a energia cinétia turbulenta.
Entretanto o procedimento acima, apesar ser atraente pela simplicidade de im-

plementação, é ineficiente, uma vez que o sinal gerado não possui nenhum tipo de
correlação espacial ou temporal. A falta de correlação espacial resulta em uma distri-
buição de energia cinética turbulenta de forma igual para toda a faixa de números de
onda.
Essa distribuição uniforme de energia sobre todo o espectro de frequências faz

com que a parcela de energia cinética turbulenta adicionada aos pequenos números de
onda (nos grandes vórtices) seja pequena. Como consequência o escoamento pseudo-
turbulento sintetizado é rapidamente laminarizado, como pode ser visto no resultado
de Klein et al. (KLEIN et al., 2003) para um jato plano, ilustrado na Fig. 4.5.
Com o objetivo de criar um sinal que possuisse correlações espaciais, Lund et

al. (LUND et al., 1998) mostrou que a partir do tensor de tensões de Reynolds Rij é
possível aplicar uma transformação (aij ) baseada na decomposição de Cholesky para
reconstruir componentes de velocidade correlacionadas
ui = ũi + Ru,i aij , (4.41)
em que  √ 
R11 √ 0 0
aij = R21 /a11 R22 − a21 2 √ 0 , (4.42)
R31 /a11 (R23 − a21 a31 ) /a22 2
R33 − a31 − a32 2
Através deste procedimento é obtido um campo de velocidades randômico que pro-

duza um tensor de tensões desejado, caso suas características sejam conhecidas, em-
bora ainda sem possuir correlação espacial ou temporal.
Klein et al. (KLEIN et al., 2003) propuseram então a utilização de um filtro digital
para inserir no sinal produzido as características da escala dominante. A flutuação de
uma componente do campo de velocidades u000 (j) em um ponto j é então definida pela
convolução
N
X
000
u (j) = bk Rand,mk , (4.43)
k=−N
em que hRand,mk i = 0, hRand,mk Rand,mk i = 1 e bk são os coeficientes do filtro. N é um

parâmetro relacionado ao suporte do filtro, conforme definido em seguida. A relação
entre os coeficientes do filtro e a função de correlação entre dois pontos é
PN
hu0 (j) u0 (j + mk)i k=−N +mk bk bk−mk
0 0
= PN , (4.44)
hu (j) u (j)i k=−N +mk bk
2
A dependência temporal do sinal produzido para o plano da fronteira de entrada yOz

é introduzida pela geração de um sinal randômico tridimensional Rand,mk (i, j, k) para
cada componente mk de velocidade. Os índices do número randômico gerado repre-
sentam as direções x (ou o tempo, a partir da hipótese de Taylor de turbulência conge-
lada (MÖLLER; SILVESTRINI, 2004)), y e z respectivamente. Um filtro tridimensional
bijk é obtido a partir da convolução dos três filtros unidimensionais.
bijk = bi bj bk , (4.45)
O filtro tridimensional da Eq. 4.45 é utilizada para filtrar Rand,mk (i, j, k) nas três di-
mensões para então obtermos
Nx Ny Nz
X X X
Umk (1, j, k) = b (i0 , j 0 , k 0 ) Rand,mk (i0 , j + j 0 , k + k 0 ) , (4.46)
i0 =−Nx j 0 =−Ny k0 =−Nz
Para garantir que as flutuações de velocidades produzidas reproduzam exatamente a

correlação entre dois pontos hu0 (j) u0 (j + m)i, os coeficientes bk devem ser calculados
invertendo a Eq. 4.44.
Uma vez que o tensor de tensões raramente é fornecido, Klein et al. (KLEIN et
al., 2003) tiveram a idéia de propor que este têm a forma gaussiana e dependente de
um único parâmetro, o comprimento de escala LIN = nmk ∆x. Assim procedendo, os
coeficientes do filtro podem ser calculados de forma analítica como:
b̃k
bk = P N 2
(4.47)
j=−N b̃j
πk 2

b̃k ≡ exp − 2 , (4.48)
2nmk
Obtido o sinal randômico, pela Eq. 4.47 , podemos então calcular a velocidade a ser
introduzida na condição de contorno no plano de entrada do domínio
ui = ũi + Umk (1, j, k) aij , (4.49)
Nota-se que o método acima descrito serve para criar um sinal turbulento para um de-
terminado plano, portanto a utilização do mesmo garante somente que seja garantidas
as correlações espaciais. Para produzir um sinal que garanta as correlações tempo-
rais Klein et al. (KLEIN et al., 2003) e Vedovoto (VEDOVOTO, 2011) sugerem ainda o
seguinte procedimento, que pode ser executado simultaneamente à solução do escoa-
mento, ou utilizado para sintetizar um banco de dados para ser empregado a posteriori
no contorno de entrada.
1. Calcular os parâmetros Nx , Ny e Nz a partir do comprimento de escala ca-

racterístico definido L, de modo que L = nx ∆x , L = ny ∆y e L = nz ∆z ,
sendo Nmk ≥ 2nmk , mk = x, y, z.
2. Criar e armazenar três campos randômicos Rmk , mk = x, y, z, de dimensão

[−Nx : Nx , −Ny + 1 : My + Ny , −Nz + 1 : Mz + Nz ], em que My × Mz denota
as dimensões da malha no plano de entrada, em x = 1.
3. Calcular os coeficientes do filtro bijk através das Eq. 4.45 e Eq. 4.47.
4. Aplicar a Eq. 4.46 para j = 1, . . . , My , k = 1, . . . , Mz , produzindo um vetor

bidimensional de Ux ,Uy e Uz espacialmente correlacionado.
5. Realizar a transformação de coordenadas Ru,i aij somada a componente mé-

dia da velocidade, Eq. 4.43.
6. Copiar a velocidade obtida para o plano de entrada, uα (1, j, k), α = x, y, z.
7. Descartar o primeiro plano y, z dos campos randômicos gerados no item

2 e fazer a operação de deslocamento Rα (i, j, k) = Rα (i + 1, j, k) para
α = x, y, z e então preencher o plano Rα (Nx , j, k) com novos números
randômicos.
8. Repetir os itens de 4 até 7 para cada novo passo de tempo.
A estratégia utilizada neste trabalho para implementar a condição de contorno tur-

bulenta nas fronteiras de entrada foi sintetizar um sinal turbulento através do método
descrito e armazená-lo em um banco de dados com 1004 planos de velocidades consec-
tivos, para então utilizá-lo como condição de contorno. As flutuações de velocidades
armazenadas foram então somadas aos perfis de velocidades médios conhecidos para
as regiões JETFLOW e COFLOW, descritos na seção anterior. A cada passo de tempo
foi introduzido um plano de flutuações de velocidades diferente, de forma consecutiva
de 1 até 1004 e a partir de então o plano 1 é utilizado novamente, de forma cíclica, com
período de 1004 passos de tempos. O número 1004 foi escolhido por ser o número de
pontos da malha na direção preferencial do escoamento.
4.7.2 Condições de Contorno de Saída
Quanto às condições de contorno de saída, é importante que as fronteiras do

domínio de saída produzam o mínimo de reflexão acústica para o interior do domínio,
a qual se manifesta como ondas de pressão. Uma das formas de reduzir a reflexão
da fronteira de saída é através da utilização de métodos que dissipam os vórtices pró-
ximo ao contorno de saída, formando uma zona esponja (sponge zone), como pode ser
observado na Fig. 4.6.
Os trabalhos de Bogey e Bailly (BOGEY; BAILLY, 2002), Uzun et al. (UZUN et

al., 2003) e Bodony e Lele (BODONY; LELE, 2008) apresentam uma interessante dis-
cussão sobre diferentes formas de implementar uma zona esponja. Neste trabalho foi
F IGURA 4.6. Ilustração da zona de esponja, adaptado de Uzun et al. 2003
implementada uma zona esponja, através da utilização de um modelo submalha pu-

ramente dissipativo para a regão de saída, sendo escolhido o modelo submalha de
Smagorinsky. Esta solução foi empregada por observarmos fortes instabilidades nu-
méricas na fronterira de saída quando utilizados os modelos Dinâmico de Germano e
Função Estrutura de Velocidades para calcular a viscosidae submalha nesta região do
domínio.
4.8 Sequência de Solução
A aplicação das técnicas de aproximação numéricas discutidas no sistema de

equações diferenciais parciais que regem o problema físico resulta em um sistema li-
near de equações algébricas. A solução do sistema de equações resultantes pode ser
obtido por diferentes estratégias de solução, as quais podem ser divididas em dois
grandes grupos: a estratégia de solução acoplada e a estratégia de solução segregada.
Neste trabalho optou-se por uma estratégia de solução segregada como o ob-
jetivo de melhorar a estabilidade da solução numérica (HAFEZ et al., 2010), sem a
necessidade da utilização de técnicas de pré-condicionamento. Em uma metodologia
de solução segregada, para cada equação do sistema admite-se que existe apenas uma
variável desconhecida, como se as demais variáveis estivessem fixas, sem sofrerem
4.8. S EQUÊNCIA DE S OLUÇÃO 63
variação simultânea (CLÓVIS, 1995), tratadas como um termo fonte.
Au n un+1 = Bu n
Av n v n+1 = Bv n (4.50)
Aw n wn+1 = Bw n
em que os coeficientes A e B para a solução das equações são sempre avaliados usando
informações em um passo de tempo já resolvido.
O início da marcha temporal requer a estimativa de uma condição inicial. Neste

estudo foi utilizada uma estratégia conservadora, em que se admitiu um campo de
pressão constante, com valor igual a pressão atmosférica e um campo de velocidades
inicial nulo. Embora esta estratégia resulte em um transiente longo, para que ocorra
todo o desenvolvimento do jato ela garante que o campo inicial de velocidades seja
solenoidal, o que facilita a convergência da solução numérica (FORTUNA, 2000).
A sequência de solução utilizada para a solução do escoamento é a seguinte:
1. Construir uma estimativa para os campos iniciais,(no instante t = t0 ) para

as componentes da velocidade e para a pressão.
2. Conhecido o campo de pressão e os campos de velocidades para o instante

n, calcular(estimar) as componentes da velocidade para o instante n + 1
através da integração da equação de conservação da quantidade de movi-
mento, Eq. 3.23, utilizando o método Runge Kutta de segunda ordem nas
suas três direções.
3. Utilizando o algoritmo SOLA, corrigir o campo de velocidades obtido no

passo 2 (Equações 4.11 − 4.16) e atualizar o campo de pressão (Equações
4.30−4.31) até que a dilatação (Eq. 4.30) esteja em um valor abaixo da tole-
rância desejada;
4. Retornar ao passo 2 e repetir o processo até que a marcha temporal alcance

o instante desejado.
4.9 Metodologia de Paralelização
A solução de escoamentos turbulentos utilizando LES, embora viável, apresenta

um elevado custo computacional. Isto se deve principalmente ao fato da turbulência
ser um fenômeno intrinsicamente tridimensional, e que devemos usar uma malha pe-
quena o suficiente para que sejam resolvidas uma grande faixa de tamanhos de escalas,
sendo modeladas somente as pequenas escalas. Parte-se da hipótese de que nessa or-
dem de grandeza o comportamento dos vórtices e flutuações de velocidade pouco deve
depender das grandes escalas que definem o escoamento. Desta forma, as pequenas
escalas possuem um comportamento que tende a ser homogêneo e isotrópico.
Com o objetivo de modelarmos somente as pequenas escalas devemos utilizar

um tamanho de malha que seja da ordem da microescala de Taylor. Neste sentido, uti-
lizando a definição de comprimento da microescala de Taylor (Eq. 2.12) e das grande-
zas características do escoamento a ser resolvido, verifica-se a necessidade de utilizar
uma malha da ordem de 1 × 108 pontos. Na seção de resultados será apresentada uma
análise das escalas para o problema resolvido.
A implementação de um método iterativo envolvendo matrizes deste tamanho

tornam a solução do problema desafiadora. Para viabilizar a solução do problema se
fez necessário a utilização de técnicas de paralelização e uso de computadores de alto
desempenho.
A computação paralela se constitui na utilização simultânea de múltiplos recur-

sos computacionais para resolver um problema. O que se faz é dividir o problema em
tarefas que podem ser resolvidas ao mesmo tempo. Em algumas aplicações específicas,
os compiladores modernos são capazes de detectar e explorar o paralelismo entre vá-
rios processadores de maneira eficiente. Entretanto, na grande maioria das aplicações
é preciso que o programador instrua o compilador, sobre quando e onde utilizar ações
paralelas, que envolvem a replicação de dados, balanceamento entre carga de execução
e comunicação.
De modo a extrair o máximo potencial do hardware disponível o código foi de-

senvolvido com uma arquiterura híbrida CPU-GPU. Na seção a seguir apresentaremos
4.9. M ETODOLOGIA DE PARALELIZAÇÃO 65
F IGURA 4.7. Representação didática da arquitetura de uma GPU, adaptado de Ruetsch

e Fatica (2011).
os fundamentos necessários da implementação CUDA Fortran utilizados para o de-

senvolvimento do solver. Enquanto que no apêndice C é apresentada uma discussão
acerca de diversas técnicas de paralelização dando um enfoque principalmente para a
técnica OpenMP que tambem é utilizada no solver desenvolvido.
4.9.1 Paralelização utilizando GPU
A arquitetura das GPU’s é baseada em um conjunto de Stream Multiprocessors,

que chamaremos aqui de multiprocessadores. Os multiprocessadores são constituídos
por um número escalável de threads definido de acordo com as configurações de deter-
minada execução. A Fig. 4.7 ilustra de forma simplista e didática a arquitetura de uma
GPU e de um multiprocessador.
Quando a GPU é invocada para executar um programa, de acordo com a con-

figuração de execução, ela cria um certo número de multiprocessadores, que irão ge-
renciar um determinado número de threads. A execução das threads fica a cargo dos
cuda-cores, que são as entidades que efetivamente realizam o processamento. O nú-
mero de multiprocessadores criados pela GPU também é definido pelas configurações
de execução.
Os multiprocessadores podem executar diferentes conjuntos de instruções, de

forma análoga a uma CPU convencional. Enquanto que as threads que compõe um
multiprocessador somente executam um mesmo conjunto de instruções definidas pelo
kernel (nomenclatura para uma subrotina CUDA). Desta forma, as threads que compõe
um multiprocessador atuam de acordo com o modelo SIMD (Single Instruction Multiple
Data) definido por Flynn (FLYNN, 1966).
Uma vez que a execução de cada multiprocessador é independente da execu-

ção dos demais, enquanto um multiprocessador lança um bloco de threads para execu-
tar um kernel outro multiprocessador pode lançar outro bloco diferente, ou até mesmo
igual, de threads para executar outro conjunto de instruções. Esta característica de para-
lelização das GPU’s introduziu um novo conceito de programação paralela conhecido
como SIMT (Single Instruction Multiple Thread).
Ainda com relação a arquitetura das GPU’s tem-se que as threads que compõe
um multiprocessador são organizadas em grupo de 32 threads compondo um warp.
Toda gestão de dados e instruções do multiprocessador com relação as threads se dá
por meio dos warps. Então se faz necessário o programador sempre tentar configurar
as execuções de modo a utilizar blocos de threads que sejam múltiplos de 32, pois isto
tem grande influêcia no ganho de performance. Os trabalhos (RUETSCH; FATICA,
2011; QUADROS, 2016; GROUP et al., 2018a) apresentam orientações detalhadas sobre
como definir as configurações de execução visando uma performance ótima.
CUDA é uma arquitetura de programação paralela desenvolvida com o objetivo

de permitir o uso de GPU sem que o programador tenha conhecimento em programa-
ção gráfica (RUETSCH; FATICA, 2011; GROUP et al., 2018a). Inicialmente o CUDA
surgiu como uma expansão da linguagem C, permitindo a programação direta nas
GPUs em linguagem de alto nível.
A partir de um trabalho conjunto da NVIDIA e PGI (The Portland Group), a partir

de 2010 foi publicado o CUDA Fortran Compiler que é um compilador FORTRAN com
extensões CUDA capaz de utilizar as GPUs. As extensões permitem a declaração e
alocação de variáveis na memória da GPU, cópia de dados entre varíaveis do host (que
é a CPU onde a GPU está instalada) e da GPU, e vice-versa, e a invocação de kernels a
partir do host.
F IGURA 4.8. CUDA Fortran - Um modelo de programação híbrido , adaptado de Has-

san (2014).
A programação CUDA Fortran é um modelo de programação híbrida, de modo

que parte do código deverá ser executado pela CPU (host) e parte será executado pela
GPU (device). A idéia é que o programador particione o programa em blocos de gra-
nularidade grande que possam ser executados em paralelo. Cada bloco então será
particionado em outros de pequena granularidade a serem executados pelas threads
em paralelo, como ilustrado na Fig. 4.8.
Uma vez que a linguagem FORTRAN possui sintaxe bem definida e rígida, a
estrutura de um programa escrito em CUDA Fortran desenvolvido para utilizar GPU
pouco muda com relação a estrutura de um programa desenvolvido para execução
exclusiva em CPU. As similaridades e diferenças básicas são bem evidenciadas pelos
trechos de códigos didáticos das Figuras 4.9 e 4.10.
No nício do programa principal sempre deve ser invocado o uso do módulo

cudafor, para que sejam carregadas as variáveis e tipos derivados necessários a utili-
zação das GPUs. Na seção do código dedicada a declaração das variáveis, as váriáveis
que serão armazenadas na memória da GPU devem ser declaradas, o que é feito com
a simples adição do atributo device em suas declarações. A alocação das variáveis é
realizada da mesma forma, como podemos ver na Fig. 4.9, que mostra um exemplo de
código que invoca um kernel didático, em que sua função é adicionar a cada posição da
variável a soma de seus índices.
As variáveis grid1 e tBlock1 foram declaradas como "dim3", que é um tipo de-
rivado definido módulo cudafor bastante útil para definicção das configurações de
F IGURA 4.9. Programa didático ilustrando um programa CUDA Fortran
execução. A variável tBlock1 refere-se a definição do tamanho de cada bloco de thre-

ads, enquanto que a variável grid1 refere-se a configuração do grid de blocos de threads
que será criado para a execução do Kernel. A definição adequada do tamanho do bloco
de threads tem bastante influência no ganho de performance, visto que uma escolha
inadequada pode ocasionar que alguns cuda-cores fiquem ociosos durante a execução
do kernel. Por outro lado a definição adequada do grid de blocos de threads assegura
que seja criado o número mínimo de threads necessárias para percorrer todos os índi-
ces da variável em cada direção. A movimentação de dados da memória do host para
o device e vice-versa pode ser feita a partir da atribuição direta das variáveis.
A invocação do kernel a ser executado na GPU é feito de forma semelhante a cha-

mada de uma subrotina normal de CPU, a não ser pela adição do símbolos ≪ a,b ≫.
As variáveis a e b são as configurações de execução do referido kernel e correspondem
ao tamanho do grid de blocos thread e tamanho do bloco de thread, respectivamente.
Para saber a forma adequada de definir os parâmetros de execução o leitor deve cons-
tultar a bibliografia indicada, pois esta explanação sai do escopo deste trabalho.
F IGURA 4.10. Kernel didático ilustrando um programa CUDA Fortran
A Fig. 4.10 mostra a sintaxe do kernel criado para executar a operação proposta.
Pode-se obervar a grande semelhança com uma subrotina convencional de execução
em CPU. A diferença maior entre o CUDA Fortran e Fortran está na forma com que
cada thread identifica os valores dos índices i,j,k para a execução de um laço. Enquanto
que na programação Fortran é utilizado comando DO, em CUDA Fortran o que se faz
é atribuir o valor dos índices de acordo com a identificação de cada thread dentro do
bloco de threads e a identificação do bloco o qual a threads pertence.
O tamanho de cada bloco de threads é função do número de pontos que o do-

mínio computacional possui. Entretanto, podem ocorrer situações em que o número
de pontos do domínio não é um múltiplo do tamanho do bloco, de modo que se faz
necessária a utilização do controlador de fluxo IF para evitar que alguma thread tente
executar as intruções do kernel em um ponto fora da malha.
A estrutura do programa desenvolvido para resolver os escoamentos turbulento

deste estudo é apresentado de forma esquemática na Fig. 4.11. Como pode ser obser-
vado, trata-se de um programa híbrido, em que todas as operações definidas pela cor
azul são realizadas pelo host, enquanto que as operações em verde são realizadas pelas
GPU’s.
A parte inicial do programa é realizada no host, que é a CPU, mais especifica-

mente, a declaração, a alocação e a inicialização das variáveis. A partir do início do
F IGURA 4.11. Fluxograma do código desenvolvido
loop temporal, podemos ver as caixas verdes e as setas que encaminham o fluxo em
azul, representando então a característica híbrida do código. Cada caixa verde repre-
senta um subprograma (um kernel), que é executado pela GPU, mas a sequência de
invocação e as eventuais sincronizações necessárias são todas executadas pela CPU.
Após o loop temporal, a geração dos arquivos de saída foi realizada somente pela
CPU.
4.10 Definição do Problema Teste e Malha
A escolha do problema teste foi realizada de acordo com as sugestões de Mor-

gans et al. (MORGANS et al., 1999):
1. Disponibilidade de dados experimentais, referentes a características do per-

fil de velocidade e características da turbulência no contorno.
2. Sensibilidade do escoamento com relação a variações nas condições de con-

torno, seja calculada ou observada.
4.10. D EFINIÇÃO DO P ROBLEMA T ESTE E M ALHA 71
F IGURA 4.12. Comprimentos característicos para a geometria do jato em estudo.
3. Viabilidade de obtenção da solução numérica.
Seguindo estas especificações, os estudos experimentais de Amielh et al. (AMI-

ELH et al., 1996) e Djeridane et al. (DJERIDANE et al., 1996) foram escolhidos. Estes
trabalhos referem-se ao mesmo experimento e fornecem informações detalhadas dos
perfis de velocidades para diferentes configurações de jatos coaxiais turbulentos. A
Fig. 4.12 ilustra de forma esquemática a configuração da região de entrada do aparato
experimental.
A geometria do bocal do jato é circular e possui um diâmetro interno de Dj = 26

mm, enquanto que a região de entrada do escoamento externo, chamada de Coflow
possui seção transversal quadrada com comprimento Lcof low = 285mm. Com este ar-
ranjo, este jato foi classificado por Amielh et al. (AMIELH et al., 1996) e Djeridane et
al. (DJERIDANE et al., 1996) como um jato fracamente confinado, uma vez que a razão
entre as áreas de seção transversal Acof low /AJato é maior que 120.
Esta última característica é de grande importância para sua utilização como re-
ferência em um processo de validação, uma vez que sendo os efeitos de confinamento
desprezíveis, podemos considerar que as interações entre o escoamento externo e as
paredes do duto externo exercerão pouca ou nenhuma influência na análise realizada.
F IGURA 4.13. Representação esquemática da geometria utilizada nas simulações e

dimensões características.
Este aspecto é importante de ser considerado, pelo fato do tratamento particular que
deve ser dado em LES na região próxima às paredes conforme discutido no Cap. 2, o
que poderia aumentar o custo computacional de forma considerável.
A Fig. 4.13 é similar à Fig. 4.4, utilizada anteriormente para explicar os trata-
mentos empregados para as condições de contorno, repetida aqui para que possamos
visualizar de forma mais clara a geometria do experimento e domínio computacional
utilizado.
Outra característica importante dos trabalhos de Amielh et al. (AMIELH et al.,

1996) e Djeridane et al. (DJERIDANE et al., 1996) é que além de dados para escoa-
mentos AR − AR (ar é o fluido do jato interno e do escoamento externo coaxial), são
apresentadas medições para configurações de jatos com fluidos com diferentes massas
específicas (s = ρjet /ρcof low 6= 1). As outras condições experimentais para as quais são
apresentados resultados detalhados são jatos CO2 -AR (s = 1,5) e He-AR (s = 0,14), os
quais serão utilizados em trabalhos futuros para estudos de sensibilidade em relação a
modelagem do fluxo escalar submalha.
Amielh et al. (AMIELH et al., 1996) e Djeridane et al. (DJERIDANE et al., 1996)
mencionam que em todos os experimentos foram utilizados acessórios na instalação
que garantiam que, tanto o escoamento na região de entrada do jato como na região de
entrada do coflow, já se encontrassem plenamente desenvolvidos, sendo a intensidade
4.10. D EFINIÇÃO DO P ROBLEMA T ESTE E M ALHA 73
TABELA 4.2. Velocidades características do experimento e propriedades termofísicas

do fluido.
Jato Ujet [m/s] Ucof low [m/s] ρ [kg/m3 ] µ [P a × s]

AR-AR 12,00 0,090 1,225 1,82 × 10−5
TABELA 4.3. Números adimensionais de interesse
Jato Rej LK ∗ τK ∗ Lλ ∗ τλ ∗
AR-AR 20650 5,77 × 10−4 6,92 × 10−5 2,19 × 10−2 2,68 × 10−2
de turbulência observada em 4%. Para a configuração de interesse neste trabalho (o

experimento AR − AR), as velocidades e propriedades do escoamento, assim como os
números adimensionais de interesse são apresentados nas tabelas 4.2 e 4.3, respectiva-
mente.
Os parâmetros adimensionais apresentados na Tab. 4.3 são calculados a partir

dos parâmetros descritos na Tab. 4.2, onde Ujet indica a velocidade de injeção do jato
e Ucof low a velocidade média de injeção do escoamento coflow. Os parâmetros LK ∗ e
τK ∗ são o comprimento e tempo relativos à escala dissipativa de Kolmogorov, os quais
deveriam ser utilizados para a obtenção de uma solução do tipo DNS. Já os parâmetros
Lλ ∗ e τλ ∗ referem-se a micro escala de Taylor, os quais são uma estimativa conservadora
para o tamanho do filtro de malha em LES (SAGAUT, 2006).
A definição da malha computacional utilizada nas simulações se deu tomando

como base a ordem de grandeza de Lλ ∗ e a capacidade computacional de uma placa
GPU Nvidia Tesla K40 GPU do Cluster SDumont, do Laboratório Nacional de Compu-
tação Científica (LNCC). A descrição detalhada dos recursos computacionais utiliza-
dos será realizada na Seção 5.4. As caracteristicas do domínio e malha computacional
utilizados nas simulações para a análise do impacto da modelagem submalha e da
condição de contorno na entrada são descritos na Tab. 4.4. A Fig 4.14 mostra a região
próxima ao injetor para uma das malhas utilizadas.
F IGURA 4.14. Detalhe da malha regular próximo ao injetor.
TABELA 4.4. Características da malha estudada. (Nx , Ny e Nz são os números de

pontos nas direções x, y, e z, respectivamente.)
L/D × H/D × H/D Nx Ny Nz ∆ No de pontos

35 × 11 × 11 1004 317 317 3,49 × 10−2 100890956
4.11 Planejamento das Simulações
Os objetivos desta tese são estudar os efeitos da utilização de diferentes modelos

para o tensor de tensões submalha (modelo de Smagorinsky, Modelo Dinâmico de Ger-
mano e Função Estrutura de Velocidades) e avaliar a sensibilidade destes à diferentes
modelagem da condição de contorno na fronteira de entrada em LES de jatos turbu-
lentos coaxiais. Para alcançar estes objetivos, foi planejada a realização de dois grupos
de simulações, GRUPO1 e GRUPO2. Os resultados de ambos os grupos de simulações
são comparados com dados experimentais e resultados disponíveis na literatura para
o mesmo problema teste.
Os dois grupos foram definidos com o objetivo de isolar o efeito da utilização

de diferentes condições de contorno na entrada, portanto a diferença entre os grupos
GRUPO1 e GRUPO2 consiste na utilização de uma condição de contorno de entrada
sem a descrição das flutuações turbulentas no primeiro caso, enquanto uma condição
de contorno de entrada com uma intensidade de turbulência de 4% (conforme dados
4.11. P LANEJAMENTO DAS S IMULAÇÕES 75
experimentais de Amielh et al. (AMIELH et al., 1996) e Djeridane et al. (DJERIDANE

et al., 1996)) é imposta no segundo. As flutuações para as velocidades no contorno
de entrada foram criadas utilizando um método sintetizador de turbulência, o filtro
digital de Klein et al. (KLEIN et al., 2003).
Dentro de cada grupo de simulações, antes de realizar a comparação entre os

três diferentes modelos submalha, foi necessário avaliar o efeito da constante de Sma-
gorisnky na solução do problema teste. Como discutido na Seção 3.4.1, não existe na
literatura um consenso sobre um valor universal da constante Cs para jatos turbulen-
tos. A não existência de um valor único a ser utilizado na prática se deve ao modelo
impor ao escoamento uma viscosidade artificial, de modo que o valor de dissipação
adequado a ser produzido pelo modelo acaba também sendo função das característi-
cas dissipativas do arranjo numérico. Para jatos turbulentos, tipicamente utiliza-se na
literatura valores de Cs na faixa de 0,055-0,170, como discutido na Seção 3.4.1.
Neste trabalho inicialmente foram utilizados valores para a constante Cs na

faixa de 0,10 − 0,12, conforme a sugestão de Kuo e Acharya (KUO; ACHARYA, 2012)
para escoamentos cisalhantes. Entretanto, verificamos que as instabilidades de Kelvin-
Helmholtz, responsáveis pelos primeiros vórtices que avançam na direção preferencial
do escoamento degenerando-se em turbulência, eram dissipadas rapidamente. Então,
de modo a reduzir o efeito dissipativo do modelo, a faixa de Cs utilizado foi redu-
zida para 0,055 − 0,070, contemplando os valores mínimos recomendados na literatura
(FERZIGER; PERIC, 2012). Para ilustrar esse efeito, a Fig. 4.15 apresenta as discrepân-
cias observadas no perfil de velocidade adimensional ao longo da linha axial central,
provocadas pela utilização de Cs = 0,120 (após 1 × 106 passos de tempo, utilizando
como condição inicial uma simulação desenvolvida com Cs = 0,060), resultantes do
excesso de dissipação.
O solver desenvolvido para as análises foi batizado como PMLES (Pinho Muniz
Large Eddy Simulation) e ao longo do seu desenvolvimento foi submetido à diversos
procedimentos de verificação para a busca por erros de implementação. Alguns dos
principais testes realizados nas etapas de verificação do código são apresentados no
Apêndice D. Já a validação do código desenvolvido para simulação de jatos turbulen-
tos, antes de avaliar o efeito de diferentes modelos submalha e condições de contorno,
F IGURA 4.15. Perfis de velocidade adimensional ao longo da linha axial em um jato

obtidos por diferentes valores da constante de Smagorinsky, demonstrando o excesso
de dissipação provocado pelo uso de um valor inadequado para Cs .
foi realizada utilizando o modelo de Smagorinsky. Para tanto foram conduzidas si-
mulações para o problema teste descrito na seção anterior, utilizando uma condição
de contorno para entrada sem flutuações turbulentas e utilizando o modelo submalha
para o tensor de tensões de Smagorinsky com Cs = 0,065. Os resultados desta vali-
dação inicial foram publicados na revista Journal of Applied Fluid Mechanics (PINHO;
MUNIZ, 2020) e encontra-se em anexo no apêndice E.
Portanto cada grupo de simulações possui simulações considerando as formas

a seguir de para descrever tensor de tensões submalha:
• Modelo submalha de Smagorinsky, para a constante ad hoc Cs = 0,055, Cs =

0,060, Cs = 0,065 e Cs = 0,070;
• Modelo Dinâmico de Germano;
• Modelo Função Estrutura de Velocidade.
Os resultados das simulações realizadas foram comparados com os resultados

do experimento de referência de Amiehl e colaboradores (AMIELH et al., 1996), com
o resultado LES de Wang e colaboradores (WANG et al., 2008), que estudou o mesmo
problema experimental, e com a Lei de Similaridade de Chen e Rodi (CHEN; RODI,
1980). As comparações foram realizadas para perfis de velocidades médias e perfis de

intensidade de turbulência adimensionais. Para a velocidade média as comparações
foram realizadas em termos de duas adimensionalizações frequentemente usadas na
análise de jatos turbulentos Uadm e Usim (AMIELH et al., 1996; CHASSAING et al., 1994;
WANG et al., 2008), definidas como
Uadm = (UL − Ucof low )/(Ujet − Ucof low ) (4.51)

Usim = (Ujet − Ucof low ) / (UL − Ucof low ) , (4.52)
Enquanto que para a realização das comparações da intensidade de turbulência foi

0
utilizada em termos da intensidade de turbulência adimensinal u adm , definida como
0 0
u adm = u rms / (UL − Ucof low ) , (4.53)
em que
PN
a=1 ua
UL = (4.54)
N
s
PN
0 a=1 (ua − UL )2
u rms = , (4.55)
N
onde UL é a velocidade média local (componente axial), Ujet a velocidade de injeção
do jato e Ucof low a velocidade de entrada do escoamento externo, ilustradas na Fig.
0
4.12 e especificadas na Tab. 4.2., u rms é a velocidade rms (root mean square), ua é uma
amostra da componente axial da velocidade instantânea e N o número de amostras
para o cálculo de uma velocidade média. Para o cálculo das grandezas médias foram
utilizadas 300 amostras, sendo cada amostra de ua coletada a cada 10000 passos de
tempo, de modo que o valor de UL representa uma média para 3 × 106 de passos de
tempo, que representam 1,137 segundos de simulação.
Em geral as velocidades adimensionais em jatos são expressas em termos da di-

ferença de velocidade entre o jato e o escoamento externo. A utilização da diferença
de velocidades (Ujet − Ucof low ) como parâmetro de adimensionalização é uma escolha
sensata, uma vez que a relação entre as quantidades de movimento do jato e do es-
coamento externo é o parâmetro dominante no desenvolvimento da dinâmica do jato.
Portanto este tipo de adimensionalização acaba sendo indicado por facilitar a com-
paração de resultados de diferentes jatos (RICOU; SPALDING, 1961; PITTS, 1986). A
adimensionalização Uadm apresenta um resultado intuitivo, de fácil interpretação, uma

vez que sua variação indica decaimento ou aumento da velocidade em relação ao jato
na entrada. Por outro lado, o parâmetro Usim permite observar a taxa de decaimento da
velocidade. A análise de Usim facilita a identificação de similaridade entre diferentes
jatos.
O cálculo dos perfis médios dos adimencionais descritos acima foi realizado
após as simulações terem atigido o regime estatísticamente estacionário. O regime esta-
tísticamente estacionário foi admitido após o cálculo do erro quadrático médio EQM1
de três perfis axias consecutivos e o desvio destes com relação ao valor médio dos três
foi menor do que 5% em ambas as direções da média. O erro quadrático médio para
o perfil axial médio de velocidades foi definido em termos de Uadm com relação aos
dados experimentais de Amielh et al. (AMIELH et al., 1996)
N
1 X h [ i2
EQM 1 U
[adm = Uadm − (Uadm )a (4.56)
N a=1 a

em que U[
adm e (Uadm )a correspondem respectivamente aos valores da velocidade
a
média adimensional na posição "a"e o equivalente mensurado no trabalho experimen-
tal.
O erro quadrático médio EQM1 também foi utilizado como métrica quantita-
tiva para comparação entre as simulações realizadas. Com o objetivo de realizar uma
comparação quantitativa com relação as caracaterísticas turbulentas resultantes do es-
coamento foi também definido o erro quadrático médio EQM2. O EQM2 é avaliado
em termos da intensidade de turbulência adimensional calculada nas simulações com
relação às medições de Amielh et al. (AMIELH et al., 1996), de modo que
N

0
1 X h d
0
0 i2
EQM 2 ud
adm = uadm − u adm , (4.57)
N a=1 a a

0
sendo ud
adm o valor médio da intensidade de turbulência adimensional local na po-
a
0
sição "a"e u adm a o valor equivalente mensurado no trabalho experimental.
Para o cálculo destes 3 × 106 passos de tempo, o tempo de simulação é de apro-

ximadamente 144 horas utilizando um nó do Cluster Fermi, instalado no Centro Na-
cional de Supercomputação (CESUP/UFRGS) e cerca de 432 horas utilizando um nó
do Cluster SDumont localizado no Laboratório Nacional de Computação Científica

(LNCC).
Antes de realizar a comparação entre os três diferentes modelos submalha foi

necessário avaliar o efeito da constante de Smagorisnky na solução do problema teste
e então selecionar o valor da constante Cs a ser utilizado para comparação com os
demais modelos. Como discutido na Seção 3.4.1, não existe na literatura um consenso
sobre um valor universal da constante Cs para jatos turbulentos. A não existência de
um valor único a ser utilizado na prática se deve ao modelo impor ao escoamento uma
viscosidade artificial, de modo que o valor de dissipação adequado a ser produzido
pelo modelo acaba também sendo função das características dissipativas do arranjo
numérico. Para jatos turbulentos, tipicamente utiliza-se na literatura valores de Cs na
faixa de 0.055-0.170, como discutido na Seção 3.4.1.
As simulações para os modelos Dinâmico de Germano e modelo Função Estru-

tura de Velocidades foram iniciadas utilizando o modelo submalha de Smagorinsky.
Portanto, o modelo de Smagorinsky foi usado para simular o transiente inicial em
todos os casos, devido a sua maior estabilidade numérica e seu mais baixo custo com-
putacional. A substituição do modelo submalha de Smagorinsky para o modelo a ser
testado se deu a partir de 6 × 106 passos de tempo.
Para a realização das simulações do GRUPO2 foi necessário produzir o sinal

turbulento a ser somado aos perfis médios de velocidades do contorno de entrada.
A metodologia para geração do sinal turbulento que possua correlações espaciais e
temporais foi apresentada na seção 4.7.1.1. Como visto, as únicas informações que pre-
cisamos inserir no modelo para obter o sinal turbulento é a intensidade de turbulência
In e o comprimento de escala característico para os vórtices na entrada do domínio.
Para a intensidade de turbulência foi definido 4% (devido à natureza dos dados expe-
rimentais usados na comparação, como já discutido), e o comprimento de escala carac-
terístico foi definido como LIN /D = 1/2. A escolha deste comprimento característico,
para o tamanho de malha utilizado, resulta em Nmk = 30, que já seria um número de
pontos superior a recomendação mínima de Vedovoto (VEDOVOTO, 2011), que é de
10 pontos e próximo à análise realizada por Klein et al. (KLEIN et al., 2003), que é
LIN /D = 4/6. A intensidade de turbulência In utilizada foi definida como

0
u rms
In = (4.58)
UL
Utilizando o filtro digital de Klein, foi criado um sinal turbulento com o mesmo
tamanho (número de pontos) do domínio computacional utilizado para as simulações
do GRUPO2. Estas flutuações nas três componentes de velocidade ao longo da seção
transversal são apresentadas na Fig. 4.16. Utilizando a hipótese de turbulência conge-
lada de Taylor (POPE, 2000), a cada instante da marcha temporal um plano adjacente é
inserido como condição de contorno. Como foram armazenados somente 1004 planos,
a cada 1004 iterações as condições de contorno passam a ser repetidas, o que incorpora
à modelagem da condição de contorno um comportamento periódico.
Como consequência da utilização da hipótese de Taylor na modelagem da con-

dição de contorno de entrada não podemos utilizar um passo de tempo variável, por
ser incompatível com a hipótese de uma velocidade média trasportando as estruturas
turbulentas. Portanto, foi utilizado um passo de tempo constante ∆t = 1,75 × 10−4 ,
que corresponde a 3,79 × 10−7 segundos. Este valor atende as restrições de estabi-
lidade tanto para as simulações do GRUPO1 quanto para o GRUPO2, considerando
CF Lcritico = 0,69, conforme Tab. 4.1.
F IGURA 4.16. Campo das flutuações de velocidades produzidas pelo método de Klein
et al. para um instante "t"para as componentes u, v e w, respectivamente.
Capítulo 5
Resultados
De modo a facilitar o entendimento do problema físico resolvido e do efeito da

utilização dos diferentes modelos submalha para o tensor de tensões submalhas, assim
como o efeito das diferentes abordagens para descrever as condições de contorno na
fronteira de entrada, este capítulo de resultados foi organizado nas seguintes seções:
• Resultados das simulações para o GRUPO1 - análise do coeficiente de Sma-

gorinsky;
• Resultados das simulações para o GRUPO1 - comparação entre os modelos

submalha;
• Resultados das simulações para o GRUPO2 - análise do coeficiente de Sma-

gorinsky;
• Resultados das simulações para o GRUPO2 - comparação entre os modelos

submalha;
• Análise comparativa do efeito da condição de contorno de entrada (para

determinado modelo submalha);
• Ganhos de desempenho;
83
84 C APÍTULO 5. R ESULTADOS
5.1 Resultados das simulações do GRUPO1 - Análise

do coeficiente de Smagorinsky
Conforme já descrito, nas simulações do GRUPO1 não são consideradas as flu-

tuações nas condições de contorno de entrada, tanto para a região do jato quanto para
a região coflow. São apresentados na Fig. 5.1 os campos médios de velocidades, flutua-
ções de velocidades e viscosidade efetiva representativos de simulações com o modelo
de Smagorinsky para descrição do tensor de tensões submalha, tomados no plano cen-
tral ao domínio. Mais especificamente, os resultados desta figura correspondem a um
valor de Cs = 0,060, e não apresentam diferenças qualitativas significativas em rela-
ção aos resultados obtidos na faixa de Cs explorado (portanto não serão mostrados).
Enquanto que a Fig. 5.2 apresenta um campo instantâneo da componente axial de ve-
locidades e a Fig. 5.3 o perfil instantâneo da componente axial da velocidade, nas quais
pode ser observada a complexidade do escoamento em estudo.
Os campos médios apresentados na Fig. 5.1 permitem observar que os jatos si-
mulados apresentam a estrutura típica esperada e ilustrada na Fig. 2.2, formada por
uma zona potencial, uma zona de transição e uma zona completamente desenvolvida.
Pode-se a partir destes estimar o comprimento da região potencial prevista (onde as
velocidades são mais altas, coloridas em vermelho), e visualizar (do ponto de vista
qualitativo) o desenvolvimento da turbulência e o espalhamento do jato à medida em
que se afasta do bocal. Entretanto, comparações entre resultados são melhor conduzi-
das do ponto de vista quantitativo usando perfis unidimensionais, especialmente no
que diz respeito a diferenciação da qualidade dos resultados.
A Figura 5.4 apresenta os resultados obtidos para o decaimento da componente

axial de velocidade adimensional Uadm ao longo do eixo central do domínio, para os
quatro valores de Cs estudados. Junto aos resultados das simulações também são plo-
tados os dados experimentais reportados por Amielh et al. (AMIELH et al., 1996), os
resultados numéricos obtidos por LES de Wang et al. (WANG et al., 2008) e o resultado
obtido pela utilização da Lei de Similaridade de Chen e Rodi (CHEN; RODI, 1980).
Analisando a Fig. 5.4, podemos observar que as curvas para Cs ≤ 0,065 são
praticamente coincidentes, com pequenas discrepâncias para Cs = 0,070. Este compor-
5.1. R ESULTADOS DAS SIMULAÇÕES DO GRUPO1 - A NÁLISE DO COEFICIENTE DE
S MAGORINSKY 85
F IGURA 5.1. Campos de velocidade, viscosidade efetiva e flutuações de velocidades

tomados no plano central para uma simulação com o modelo de Smagorinsky (Cs =
0,060).
F IGURA 5.2. Campos de velocidade instanânea tomados no plano central para uma
simulação com o modelo de Smagorinsky (Cs = 0,060).
F IGURA 5.3. Perfil instantâneo da componente axial da velocidade obtido com o mo-
delo de Smagorinsky Cs = 0,060, comparado com dados experimentais de velocidade
média.
S MAGORINSKY 87
F IGURA 5.4. Perfis axiais de Uadm obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados a dados da literatura.
tamento indica que a sensibilidade do modelo submalha de Smagorinsky é pequena

para Cs < 0,070 para esta variável. Para Cs > 0,070 o tensor de tensões submalha
torna-se muito dissipativo, de modo que a transição para a turbulência é atrasada
como discutido anteriormente, e visualizado na Fig. 4.15. O atraso na transição se
deve a dissipação excessiva das instabilidades de Kelvin-Helmholtz que são respon-
sáveis pela transição de regimes dos jatos coaxiais. Este comportamento também foi
observado no trabalho de Hällqvist (HÄLLQVIST, 2006)
A Fig. 5.5 apresenta o mesmo resultado da Fig. 5.4 expresso pela adimensio-
nalização Usim . Este gráfico evidencia claramente a taxa de decaimento da velocidade
na linha de centro e o comportamento assintótico que existe na região de jato desen-
volvido. Podemos também observar novamente uma grande concordância entre os
resultados obtidos para Cs = 0,055 e Cs = 0,060, e destes com os valores experimentais
para maiores x/D. Novamente nota-se que na medida em que a constante de Sma-
gorinsky Cs é aumentada, o comprimento potencial do jato previsto pela simulação
também aumenta, evidenciado pelas curvas para Cs = 0.065 e 0.070 (em x/D ∼ 8).
As Figuras 5.6-5.9 apresentam os perfis radiais de Uadm para diferentes distân-

cias x/D do bocal (iguais a 5, 10, 15 e 20, marcadas com linhas brancas verticais na
Fig. 5.1). Estes resultados mostram que o comportamento da distribuição radial da
F IGURA 5.5. Perfis axiais de Usim obtidos com modelo de Smagorinsky para diversos
F IGURA 5.6. Perfis radiais de Uadm obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados com dados experimentais de Amielh et al. (1996)
em x/D = 5.
velocidade axial é relativamente bem capturado, porém alguns desvios com relação
aos resultados experimentais de Amielh et al. (AMIELH et al., 1996) são observados,
em maior magnitude para seções transversais mais próximas ao bocal do jato (menores
valores de x/D).
S MAGORINSKY 89
em x/D = 10.
em x/D = 15.
em x/D = 20.
A Fig. 5.6 apresenta a distribuição radial da velocidade Uadm na seção transver-

sal x/D = 5. Pode ser verificado que para maiores distâncias com relação a linha de
centro do domínio o desvio foi maior. Os desvios observados neste perfil radial, em
x/D = 5, estão de acordo com os desvios observados para os perfis axiais de veloci-
dade, uma vez que a esta distância do bocal os jatos simulados apresentaram menor
espalhamento comparado ao jato experimental, conforme visto na Fig. 5.4. Para as
simulações realizadas com os diferentes valores da constante Cs , verifica-se que as cur-
vas para Cs = 0,055 e Cs = 0,060 são praticamente coincidentes. A curva obtida para
Cs = 0,065 é muito próxima destas, enquanto que a curva para Cs = 0,070 apresenta os
maiores desvios, pois é a que produziu o jato com maior comprimento potencial.
Deve-se ressaltar que os desvios nos perfis radiais em x/D = 5 (Fig. 5.6) são os
maiores observados comparado aos obtidos em diferentes valores de x/D. Esta obser-
vação é consistente com os resultados mostrados nas Figuras 5.4 e 5.5, visto que um
atraso no desenvolvimento da região de transição resulta em um menor espalhamento
do jato para regiões próximas ao bocal. Levando em conta que o atraso na transição é
de comprimento da ordem de 2 diâmetros, seria até estranho que o perfil radial da ve-
locidade axial média apresentasse boa concordância para x/D = 5. Nesse ponto, o jato
experimental já passou da zona potencial para a zona de transição (conforme explicado
S MAGORINSKY 91
na Fig. 2.2), enquanto que para os jatos obtidos nas simulações esta transição está ape-
nas iniciando, portanto estando ainda na zona potencial. Isto provavelmente se deve
ao fato de usarmos uma CC laminar na entrada. Portanto estão sendo comparados
resultados de jatos que encontram-se localmente em diferentes regimes.
As mesmas tendências descritas acima para a Fig. 5.6 são também observadas
para as Figs. 5.7 e 5.8. Entretanto, os desvios entre os dados experimentais e as simu-
lações são menores, uma vez que em x/D = 10 e x/D = 15 tanto o jato experimental
quanto os jatos das simulações já se encontram na zona de transição. A Fig. 5.9 apre-
senta os resultados para a seção x/D = 20. Percebe-se que a esta distância do bocal os
resultados para as quatro simulações que utilizam o modelo de Smagorinsky apresen-
tam bons resultados.
Considerando que as condições de contorno de entrada para as simulações do

GRUPO1 são laminares, o solver precisa simular o fenômeno de transição à turbulên-
cia como um todo, uma vez que ela não é introduzida com fluido no contorno. No
estudo experimental de Amielh et al. (AMIELH et al., 1996), o escoamento na saída
do bocal é turbulento e completamente desenvolvido, apresentando uma intensidade
da flutuação de velocidade da ordem de 4 % do valor de seu valor médio. O efeito
da utilização de uma condição de contorno com essas flutuações de velocidades será
apresentado nas simulações do GRUPO2 (próxima seção).
A capacidade do método de prever adequadamente a transição à turbulência

pode ser também avaliada nas Figs. 5.1 e 5.10. Interessante observar que os perfis ob-
tidos nas simulações são qualitativamente muito similares ao experimental (como se
estivessem deslocadas verticalmente para baixo). Após o término da região potencial,
0
há uma acentuada redução no desvio entre u adm calculada com relação aos dados ex-
perimentais, permanecendo estes abaixo de 10%. Este resultado nos mostra ainda que
as menores intensidades de turbulência ocorrem para Cs = 0,070, uma vez que esta
simulação é a que dissipa a maior quantidade de energia cinética turbulenta.
Para realizar a comparação dos resultados obtidos com a utilização do modelo

de Smagorinsky com os obtidos por outros modelos submalha, é necessário selecionar
os de melhor qualidade considerando os diferentes Cs utilizados. A escolha da simula-
ção que irá representar o desempenho do modelo de Smagorinsky foi realizada a partir
0
F IGURA 5.10. Perfis axiais de u adm obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados com os dados experimentais de Amielh et al.
(1996).
TABELA 5.1. Comparação entre os erros quadráticos médios produzidos com o uso de
diferentes valores da constante de Smagorinsky.
Cs EQM1 EQM2
0,055 0,00287 0,00305
0,060 0,00165 0,00231
0,065 0,00277 0,00248
0,070 0,00647 0,00414
da análise do Erro Quadrático Médio (EQM) dos resultados obtidos. Foram definidos
na Seção 4.11 para o perfil axial de velocidades médios adimensional Uadm o EQM 1, e
0
para o perfil de intensidade de turbulência adimensional u adm o EQM 2.
A Tab. 5.1 apresenta os valores de EQM 1 e EQM 2 calculados para os perfis axi-
0
ais de Uadm e u adm plotados na Fig. 5.4 e Fig. 5.10, respectivamente. Verifica-se que os
menores valores para EQM 1 e EQM 2 com relação aos resultados experimentais foram
obtidos para Cs = 0,060. Portanto os resultados da simulação com Cs = 0,060 serão
utilizados na próxima seção para comparações do modelo de Smagorinsky com os de-
mais (Dinâmico de Germano e Função Estrutura de Velocidade), de modo a avaliar o
efeito da modelagem submalha nos resultados de LES de jatos turbulentos.
5.2. R ESULTADOS DAS SIMULAÇÕES PARA O GRUPO1 - C OMPARAÇÃO ENTRE OS
MODELOS SUBMALHA 93
5.2 Resultados das simulações para o GRUPO1 - Com-

paração entre os modelos submalha
Nesta seção são comparados os desempenhos dos diferentes modelos para o

tensor de tensões submalha (Smagorinsky, Dinâmico de Germano e Função Estrutura
de Velocidades) na simulação do jato. Para iniciar as comparações, são apresentados
na Fig. 5.11 os campos de velocidades médios obtidos pela utilização dos três modelos.
Estes resultados nos possibilitam realizar uma análise qualitativa do desempenho dos
três modelos. Em primeiro lugar, é interessante observar que as simulações realizadas
utilizando os três modelos apresentam a estrutura típica de jatos turbulentos - zona
potencial, zona de transição e zona completamente desenvolvida - conforme mostrado
na Fig. 2.2. Entretanto, embora os três modelos tenham a capacidade de reproduzir a
estrutura típica de um jato turbulento, existem diferenças quantitativas significativas
entre os resultados produzidos.
Visualmente pode ser observado que o comprimento potencial dos três jatos da
Fig. 5.11, (a parte vermelha escura indicando velocidades mais altas e azul indicando
as velocidades mais baixas) é similar, terminando próximo a primeira linha branca, em
x/D = 5. Após o término da zona potencial o comportamento resultante da utilização
de cada um dos três modelo submalha estudados passa a ser distinto. Nota-se que o
jato previsto pelo modelo Dinâmico de Germano é o mais curto, enquanto o jato pre-
visto pelo modelo Função Estrutura de Velocidades produziu o jato mais alongado.
Pode ser observado que as velocidades observadas em x/D = 10 na simulação com o
modelo de Germano é comparável ao observado em x/D = 15 na simulação realizada
com o modelo Função Estrutura de Velocidades. Verifica-se portanto, que o compri-
mento da região de transição previsto pelo modelo Função Estrutura de Velocidades é
cerca de duas vezes maior comparado ao previsto pelo modelo Dinâmico de Germano.
A simulação realizada com o modelo de Smagorinsky produziu um jato com

comprimento intermediário. As diferenças entre os resultados obtidos pelos três mo-
delos estão relacionadas às variações observadas no comportamento previsto para a
zona de transição do jato, atreladas por sua vez à taxa de espalhamento prevista pela
utilização de cada modelo submalha. O espalhamento do jato está relacionado dire-
F IGURA 5.11. Campos de velocidade média axial tomados no plano central, obtidos
com a utilização dos modelos de Smagorinsky (Cs = 0,060), Dinâmico de Germano e
Função Estrutura de Velocidades, respectivamente.
MODELOS SUBMALHA 95
tamente com o efeito de dissipação, que no sistema de equações se dá no termo de

viscosidade efetiva, uma vez que essa é a grandeza responsável pela difusão de quan-
tidade de movimento.
A partir da Eq. 3.26, verifica-se que a viscosidade efetiva µe é diretamente in-

fluenciada pela viscosidade turbulenta µt . Os campos médios de viscosidade efetiva
produzidos por cada um dos modelos analisados são mostrados na Fig. 5.12. Estes
campos, analisados em conjunto com os apresentados na Fig. 5.11, mostram que existe
uma relação entre a viscosidade efetiva resultante da utilização de determinado mo-
delo e o comprimento potencial do jato. De imediato, pode ser visto na Fig. 5.12 que
o campo de viscosidade efetiva produzido pelo modelo de Smagorinsky possui valo-
res absolutos na ordem de duas vezes superior aos obtidos pela utilização do modelo
Função Estrutura de Velocidades, e relação semelhante é observada entre os campos
obtidos pelo modelo Dinâmico de Germano e o de Smagorinsky.
Verifica-se portanto, que a utilização do modelo Dinâmico de Germano, o mais

dissipativo segundo os campos da Fig. 5.12, produziu o jato mais curto, enquanto o
jato produzido na simulação com o modelo Função Estrutura de Velocidades (menos
dissipativo) foi o mais longo. Já a simulação que utilizou o modelo de Smagorinsky,
produziu um campo de viscosidade com intensidades intermediárias aos dois ante-
riores, resultando em um jato com comprimento intermediário. Portanto, apesar do
comprimento potencial dos três jatos simulados ser semelhante, nota-se que após a
transição de regime o decaimento de velocidade para o modelo Dinâmico de Germano
é mais intenso que para os demais. Deve-se destacar também que os valores máximos
para a viscosidade efetiva são observados junto ao final da região potencial do jato em
todos os casos.
Outra análise qualitativa interessante pode ser feita a partir da Fig. 5.13, que
0
apresenta os campos das flutuações de velocidade u rms . Nestas figuras, o desenvolvi-
mento da turbulência e a degradação do cone potencial podem ser bem visualizados.
Além das diferenças na zona de transição para cada modelo submalha, podemos ob-
servar uma diferença no comportamento das flutuações de velocidade junto às bordas
do bocal. Bodony e Lele (BODONY; LELE, 2008) relatam a importância da modela-
gem dos bocais em simulações LES por ser uma região que gera reflexão de ondas de
F IGURA 5.12. Campos de viscosidade efetiva µe tomados no plano central, obtidos

com a utilização dos modelos de Smagorinsky (Cs = 0,060), Dinâmico de Germano e
Função Estrutura de Velocidades, respectivamente.
MODELOS SUBMALHA 97
pressão, e por ser responsável por definir a espessura inicial da camada cisalhante.
A partir da Fig. 5.13 pode ser verificado que para as simulações que utiliza-
ram os modelos de Smagorinsky e Dinâmico de Germano, as regiões onde ocorrem
os maiores níveis de turbulência coincidem com as regiões onde os modelos produ-
zem os maiores valores de viscosidade efetiva. Quanto à simulação realizada com
o modelo Função Estrutura de Velocidade, verifica-se que mesmo após ocorrerem os
maiores valores de viscosidade turbulenta, os níveis de intensidade turbulenta conti-
nuam grandes. Por se tratar de uma análise qualitativa, não podemos tirar conclusões
definitivas, mas ao que parece isso ocorre devido ao modelo dissipar pouca energia
cinética turbulenta, de modo que a região onde existem elevados níveis de energia
cinética turbulenta seja mais extensa.
Como já comentado, comparações quantitativas são melhor conduzidas empre-

gando perfis unidimensionais de variáveis de interesse. Os mesmos tipos de perfis uti-
lizados na análise do efeito do coeficiente Cs do modelo de Smagorinsky serão usados
para avaliar as diferenças entre as predições trazidas pelos diferentes modelos subma-
lha.
A Fig. 5.14 mostra os resultados obtidos para a distribuição da componente da

velocidade axial ao longo do eixo central (na forma adimensional Uadm ) para os três
modelos submalha em questão. De forma geral, podemos observar que os três mo-
delos prevêm uma região potencial do jato com comprimento similar, de modo que a
região de transição se inicia na posição axial x/D = 5 para todos os modelos analisa-
dos. Por outro lado, como já visualizado na Fig. 5.11 e discutido para os campos de
velocidade, nota-se que cada modelo representa a região de transição de forma dis-
tinta, sendo o modelo Dinâmico de Germano o que apresenta maior espalhamento
do jato (ou seja, redução mais significativa de Uadm na linha central). O modelo Fun-
ção Estrutura de Velocidade apresenta a menor taxa de espalhamento. O modelo de
Smagorinsky (Cs = 0,060) apresenta um comportamento intermediário, e perfis mais
próximos aos experimentais reportados por Amielh et al. (AMIELH et al., 1996), o que
é comprovado pelo menor EQM 1 produzido por este modelo comparado aos demais,
mostrado na Tab. 5.2.
Os perfis de velocidade ao longo da linha de centro do domínio obtido com os

0
F IGURA 5.13. Campos de intensidade de turbulência adimensional u rms tomados no
plano central, obtidos com a utilização dos modelos de Smagorinsky (Cs = 0,060),
Dinâmico de Germano e Função Estrutura de Velocidades, respectivamente.
MODELOS SUBMALHA 99
TABELA 5.2. Comparação entre erros quadráticos médios produzidos pelos modelos
Modelo Submalha EQM1 EQM2

Smagorinsky - Cs = 0,060 0,00165 0,00231
Dinâmico de Germano 0,00472 0,00105
Função Estrutura de Velocidades 0,01030 0,00540
F IGURA 5.14. Perfis axiais de Uadm obtidos para os três modelos de viscosidade sub-
malha comparados com a dados da literatura.
diferentes modelos expresso pela adimensionalização Usim são apresentados na Fig.

5.15. Estes resultados permitem observações importantes. A primeira é de que o mo-
delo submalha de Smagorinsky, apesar de ser o mais simples e computacionalmente
mais barato, apresenta muito bons resultados (os melhores nesta comparação), quando
utilizado um coeficiente adequado às características numéricas do solver e do esco-
amento a ser resolvido (mesmo para valores não tão próximos do adequado, como
mostrado na Fig. 5.5).
Outra observação importante da Fig. 5.15 é que apesar das simulações do

GRUPO1 não preverem precisamente o ponto em que termina a região potencial e
inicia a transição, o resultado obtido com o Modelo Dinâmico de Germano está muito
próximo ao resultado obtido proposto pela Lei de Similaridade de Chen e Rodi (CHEN;
RODI, 1980), a qual é proposta a partir da análise de diversos jatos experimentais dife-
rentes.
F IGURA 5.15. Perfis axiais de Usim obtidos para os três modelos de viscosidade sub-
Pode ser notado que o Modelo Função Estrutura de Velocidade foi o que apre-
sentou menor capacidade para prever a transição à turbulência, necessária nas simu-
lações do GRUPO1. Entretanto após o desenvolvimento da turbulência, a taxa de de-
caimento da velocidade média parece ser bem descrita, sendo similar a taxa de decai-
mento dos resultados experimentais de referência.
Os perfis radiais de Uadm e Usim em diferentes posições axiais (x/D) são apre-
sentados respectivamente nas Figuras 5.16, 5.18, 5.20 e 5.22 e Figuras 5.17, 5.19, 5.21 e
5.23. Uma vez que os três modelos submalha prevêm comprimentos similares para a
região potencial do jato, observa-se que as três curvas para a posição x/D = 5 mostra-
das nas Fig. 5.16 e 5.17 são praticamente coincidentes. Verifica-se também um desvio
acentuado com relação aos dados experimentais, principalmente para regiões longe do
centro, por conta das diferenças de regime entre o jato experimental e o previsto nas
simulações para esta seção. Enquanto que em x/D = 5 o jato experimental já sofreu
a mudança de regime, da zona potencial para a de transição, os jatos previstos pelas
simulações ainda experimentam a zona potencial, ou o final desta.
Os perfis radiais para a seção x/D = 10 são apresentados nas Figs. 5.18 e 5.19,
onde podemos notar que após o término da região potencial, já na zona de transição,
cada um dos três modelos previu comportamentos distintos, como já havia sido obser-
MODELOS SUBMALHA 101
F IGURA 5.16. Perfis radiais de Uadm obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 5.
F IGURA 5.17. Perfis radiais de Usim obtidos para os três modelos de viscosidade sub-
vado na análise dos campos de velocidades e perfis axiais. A diferença entre os perfis
radiais previstos pelos três modelos estão de acordo com o observado na Fig. 5.14,
em que o modelo Função Estrutura de Velocidades, por ser menos dissipativo ainda
preserva traços do perfil potencial, os quais são menores para o perfil previsto pelo
modelo de Smagorinsky. Por outro lado os perfis previstos pelo modelo Dinâmico de
Germano nesta seção são muito bons, sendo um indicador de que o modelo tem uma
boa capacidade de prever o fenômeno de transição à turbulência.
Analisando os perfis radiais nas seções x/D = 15 e x/D = 20 (Figs. 5.20 e 5.22
e Figs. 5.21 e 5.23) percebe-se que já ocorreu a transição de regimes para os jatos das
três simulações. Quanto a qualidade dos resultados observamos que o Modelo Dinâ-
mico de Germano é o que captura melhor a estrutura do jato e os comportamentos de
decaimentos para todas as seções, enquanto que os resultados obtidos com o modelo
de Smagorinsky são os que apresentam os menores desvios absolutos. Por outro lado,
a análise dos perfis radiais deixou bastante evidente a dificuldade do modelo Função
Estrutura de Velocidades em capturar a transição entre a zona potencial e a zona de
transição. De fato este fenômeno de transição é complexo, apresentando elevados gra-
dientes das propriedades, e essa dificuldade já havia sido observada na Fig. 5.14.
De forma geral, o comportamento dos três modelos submalha em relação ao es-

palhamento do jato observado nas análises qualitativas discutidas no início da seção, é

corroborado pelos resultados acima. Ao analisarmos os perfis em seções mais distan-
tes do bocal (x/D > 10), verifica-se que os modelos Dinâmico de Germano e Função
Estrutura de Velocidade apresentam a maior e menor taxa de espalhamento, respecti-
vamente. O modelo de Smagorinsky, por outro lado, apresenta comportamento inter-
mediário, como verificado também nas análises dos perfis axiais.
Os resultados da Fig. 5.24 apresentam os perfis axiais da intensidade de tur-

0
bulência adimensional u adm . Verifica-se que o Modelo de Germano foi capaz de de-
senvolver a turbulência antes que os demais, apresentando resultados absolutos mais
próximos dos resultados experimentais, produzindo, portanto o menor EQM 2, como
visto na Tab. 5.2. Por outro lado, de uma forma qualitativa, verificamos que o Modelo
de Smagorinsky representa melhor a transição para a turbulência. O modelo Função
Estrutura de Velocidades apresentou a menor taxa de espalhamento, sendo menos dis-
sipativo, foi o que mais demorou a desenvolver a turbulência.
0
F IGURA 5.24. Perfis axiais de u adm obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996).
5.3 Resultados das simulações do GRUPO2 - Análise

do coeficiente de Smagorinsky
Para as simulações do GRUPO2, os campos de velocidades, flutuação de veloci-

dades e viscosidade turbulenta médios são bastante similares aos campos de velocida-
des obtidos para o GRUPO1 (mostrados nas Figs. 5.11-5.13), apresentando as mesmas
tendências. Levando-se em conta que sua visualização permite apenas análises quali-
tativas, estes não são plotados nesta seção.
Definida a condição de contorno de entrada turbulenta foi então realizada a aná-

lise do coeficiente Cs a ser utilizado para esta nova situação. A Fig. 5.25 apresenta os
perfis axiais adimensionais Uadm para os quatro valores da contantes Cs analisados. A
tendência de comportamento das quatro curvas é similar à observada para o GRUPO1.
Através de uma análise mais cuidadosa pode ser percebido entretanto, uma pequena
redução da zona potencial para as quatro simulações comparado ao GRUPO1.
A Fig. 5.26 apresenta os perfis equivalentes para a velocidade Usim . A partir

deste resultado pode ser verificado que as curvas correspondentes a Cs = 0,055, Cs =
0,060 e Cs = 0,065 são praticamente coindicentes, havendo uma pequena diferença
para a curva de Cs = 0,065, que captura melhor o decaimento de velocidades para
regiões distantes do bocal. Podemos notar também, de maneira similar as simulações
do GRUPO1, que a utilização de Cs = 0,070, produziu um comprimento potencial
S MAGORINSKY 107
F IGURA 5.25. Perfis axiais de Uadm obtidos com modelo de Smagorinsky para diversos
F IGURA 5.26. Perfis axiais de Usim obtidos com modelo de Smagorinsky para diversos
mais longo. Pode ser notado que, de maneira geral houve uma pequena antecipação
da transição de regime, sendo portanto o comprimento potencial para as simulações do
GRUPO2 menor do que aquele obtido nas simulações do GRUPO1. Uma análise mais
apurada comparando o efeito especificamente da utilização da condição de contorno
será realizada na próxima seção.
F IGURA 5.27. Perfis radiais de Uadm obtidos com modelo de Smagorinsky para diver-
sos valores da constante Cs , comparados com dados experimentais de Amielh et al.
(1996) em x/D = 5.
As Figuras 5.27-5.30 mostram os perfis radiais de Uadm em diferentes posições

axiais, obtidos com a utilização dos diferentes valores da constante de Smagorinsky
Cs . A Fig. 5.27 apresenta os resultados para a seção x/D = 5, em que novamente
pode ser verificado que para esta seção as soluções obtidas não são boas, analogamente
aos resultados obtidos para as simulações do GRUPO1. A qualidade inferior destes
resultados se deve ao fato de que, como argumentado na seção anterior e ilustrado
pela Fig. 2.2, a esta distância do bocal o jato estudado por Amielh et al. (AMIELH
et al., 1996) já ter experimentado a mudança de regime estando na zona de transição,
enquanto os jatos simulados ainda estarem na zona potencial, como observado nos
perfis axiais apresentados na Fig. 5.25.
Novamente, as curvas para Cs < 0,065 em x/D = 10 são muito próximas, sendo
que o desvio da curva Cs = 0,070 na região central se deve à previsão do cone potencial
mais longo, como também observado na Fig. 5.25. Se retornarmos à Fig. 5.7, podemos
notar que a utilização das condições de contorno turbulentas melhorou a qualidade
dos resultados nesta seção, uma vez que os desvios já são menores do que os observa-
dos na Fig. 5.6. Portanto verificamos uma melhor representação da região de transição.
As Figuras 5.29 e 5.30 apresentam os perfis radiais de Uadm em x/D = 15 e 20. Atra-
vés da visualização destes resultados, percebe-se que após a transição todas as quatro
S MAGORINSKY 109
(1996) em x/D = 10.
curvas representam bem a tendência dos resultados experimentais. Na mesma direção

do observado na Fig. 5.26 para estas duas seções mais distantes do bocal, verificamos
que a curva para Cs = 0,065 foi a que mais se aproximou dos resultados experimentais,
enquanto que para regiões próximas ao bocal a curva para Cs = 0,060 é a que apresenta
melhor concordância.
A Figura 5.31 apresenta os perfis da intensidade de turbulência adimensionali-

0
zado u adm para a faixa de Cs analisada. Nesta imagem pode ser notado o efeito da
0
modelagem da condição de contorno turbulenta, uma vez que u adm não parte do valor
0
zero, como verificado na Fig. 5.24 que representou o perfil de u adm para as simulações
0
do GRUPO1. Entretanto verifica-se que, embora o valor de u adm na Fig. 5.31 inicie
com ≈ 0, 04, a intensidade de turbulência adimensional rapidamente cai a valores da
ordem de ≈ 0, 0067, antes do início da região de transição, onde começa a crescer no-
vamente. Os possíveis motivos deste decaimento inicial da intensidade de turbulência
serão discutidos a seguir, após a visualização dos demais resultados.
Novamente, para realizar a comparação entre os resultados das simulações com

os diferentes modelos submalha, precisamos escolher qual o valor ideal de Cs para o
modelo de Smagorinsky. Da mesma forma que realizado na seção anterior, foi calcu-
(1996) em x/D = 15.
(1996) em x/D = 20.
S MAGORINSKY 111
0
F IGURA 5.31. Perfis axiais de u adm obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados com os dados experimentais de Amielh et al.
(1996).
TABELA 5.3. Comparação entre os erros quadráticos médios produzidos com o uso de
diferentes valores da constante de Smagorinsky Cs .
Cs EQM1 EQM2
0,055 0,00140 0,00185
0,060 0,00108 0,00170
0,065 0,00166 0,00221
0,070 0,00408 0,00303
0
lado o EQM 1 e EQM 2 para os perfis axiais de Uadm e de u adm , os quais são apresenta-
dos na Tab. 5.3.
A análise dos resultados da Tab. 5.3 fornece uma constatação interessante, visto
que para o GRUPO2 os resultados produzidos pelos diferentes coeficiented de Smago-
rinsky são muito próximos, principalmente os gerados por Cs = 0,055 e Cs = 0,060.
Este evidencia portanto, que o desempenho dos modelos submalha pode ser influen-
ciado pelas condições do escoamento, corroborando com as análises anteriores de que
não existe um valor universal para o coeficiente de Smagorinsky a ser utilizado em
LES. De forma similar a análise para o Cs a ser utilizado no GRUPO1, a comparação
entre o desempenho dos diferentes modelos submalha a ser apresentada na próxima
seção foi realizada utilizando a simulação com Cs = 0,060.
F IGURA 5.32. Perfis axiais de Uadm obtidos para os três modelos de viscosidade sub-
5.4 Resultados das simulações para o GRUPO2 - Com-

paração entre os modelos submalha
Os perfis axiais da velocidade adimensional Uadm obtidos com os três modelos

do tensor de tensões submalha para as simulações que utilizam a condição de entrada
com flutuações de velocidades são apresentados na Fig. 5.32. Pode ser notado que de
forma geral, houve uma redução do comprimento potencial, melhorando a qualidade
dos resultados, comparado aos mostrados na Fig. 5.14. Observa-se que o modelo Di-
nâmico de Germano captura muito bem a transição entre a zona potencial e a zona de
transição. Destaca-se também uma melhoria dos resultados produzidos pelo modelo
Função Estrutura de Velocidade, que com a utilização da condição turbulenta, previu
um comprimento potencial mais curto comparado ao caso anterior (GRUPO1, quando
a condição de contorno foi definida como laminar), como verificado na Figura 5.14.
A Figura 5.33 apresenta os mesmos resultados expressos pela adimensionali-

zação de velocidade Usim . Neste resultado fica evidente a redução do comprimento
potencial comparado ao apresentado pelas simulações do GRUPO1, visto que todas as
curvas estão levemente deslocadas para cima, quando comparadas às curvas da Fig.
5.15. Aqui verificamos que, apesar do modelo Dinâmico de Germano prever corre-
F IGURA 5.33. Perfis axiais de Usim obtidos para os três modelos de viscosidade sub-
tamente o final do cone potencial, previu de forma inadequada o comportamento da

zona de transição, provavelmente por desenvolver uma dissipação excessiva, como
pode ser visto na Fig. 5.12.
Os perfis radiais de Uadm e Usim são apresentados respectivamente nas Figuras

5.34, 5.36, 5.38 e 5.40 e Figuras 5.35, 5.37, 5.39 5.41 para as seções transversais a direção
principal do escoamento em distâncias do bocal em x/D =, 5, 10, 15 e 20, conforme
as marcações na Fig. 5.11. Uma vez que a transição entre regimes do jato iniciou em
regiões mais próximas às verificadas experimentalmente, pode ser verificado que os
perfis radiais obtidos apresentaram uma concordância melhor com os experimentais
dos que os obtidos nas simulações do GRUPO1 (Figuras 5.16, 5.18, 5.20 e 5.22 e Figuras
5.17, 5.19, 5.21 e 5.23 ).
As Figuras 5.34 e 5.35 apresentam os perfis radiais de Uadm e Usim , respectiva-

mente para a seção x/D = 5. Por conta da redução do comprimento potencial das
simulações do GRUPO2, os perfis de velocidades para esta seção apresentam quali-
dade superior àqueles obtidos para as simulações do GRUPO1. Isto se deve ao fato
de que para o GRUPO2, em x/D = 5 as simulações já estão no início da zona de tran-
sição, assim como o jato experimental. Portanto, nesta seção comparamos jatos que
encontram-se no mesmo regime, conforme Fig. 2.2, de modo que é verificada uma boa
aderência entre os perfis das simulações e os dados experimentais.
Para a seção transversal x/D = 10, os resultados são apresentados nas Fig. 5.36
e Fig. 5.37. A partir destes gráficos verificamos que, similarmente ao discutido em
relação aos perfis axiais, as simulações do GRUPO2 os modelos de Smagorinsky e
Função Estrutura de Velocidades capturam razoavelmente bem a fenomenologia do
espalhamento do jato, e que as curvas correspondentes são quase concidentes em re-

giões próximas do centro para a análise de Usim em Fig. 5.37. Por outro lado o modelo
Dinâmico de Germano não reproduz o comportamento com a mesma qualidade que
os outros modelos, uma vez que sua utilização resultou em uma taxa de espalhamento
mais elevada.
Os resultados para as seções x/D = 15 e x/D = 20, ilustrados nas Figuras 5.38,
5.39, 5.40 e 5.41 mostram que os modelos de Smagorinsky e Função Estrutura de Veloci-
dades capturam de forma mais adequada a dinâmica do jato a medida que analisamos
pontos mais distantes, indicando uma taxa de dissipação de energia cinética turbulenta
adequada. O modelo de Germano entretanto apresentou uma piora nos resultados em
termos absolutos. Porém, de forma qualitativa, os perfis radiais produzidos pelo mo-
delo de Germano apresentam um desvio praticamente constante em relação aos dados
experimentais em todas seções analisadas, o que indica que a estrutura do jato é bem
reproduzida.
A Figura 5.42 apresenta os perfis da intensidade de turbulência adimensional

0
u adm para os três modelos de viscosidade turbulenta avaliados. Pode-se verificar um
atraso na transição à turbulência da simulação que utiliza o modelo Função Estrutura
de Velocidades. Podemos perceber também para este modelo, que além de um compri-
mento da zona potencial maior, a transição de regimes do jato é mais suave comparado
às simulações que utilizam o modelo de Smagorinsky e modelo de Germano. Pode-
mos observar ainda que o desenvolvimento da turbulência se deu antes e de forma
mais intensa para a utilização do modelo Dinâmico de Germano, sendo seu valor após
a transição muito próximo do observado no experimento.
Um dos motivos que podem ter ocasionado este comportamento para o mo-
delo Dinâmico de Germano é o fato deste possibilitar a produção de energia cinética
turbulenta, através da cascata de energia reversa. Matematicamente, este efeito é de-
senvolvido pelo modelo através uma viscosidade submalha negativa, que é possível
quando o tensor de Leonard filtrado (ou Identidade de Germano) definido pela Eq.
3.41, que considera o efeito submalha das escalas resolvidas, assume valores negativos.
Em nossa implementação este efeito foi limitado até µt = −µ, que resulta em µe = 0.
Esta limitação se deu por questões de estabilidade numérica, como recomendado por
Sagaut (SAGAUT, 2006).
Os erros quadráticos médios EQM 1 e EQM 2 para as simulações do GRUPO2

são apresentados na Tab. 5.4. O menor valor para EQM 1 foi produzido pelas simula-
ções que utiliza o modelo de Smagorinsky com Cs = 0,060 enquanto que o menor valor
para EQM 2 foi produzido pelo modelo Dinâmico de Germano. Entretanto, como a di-
ferença entre EQM 2 produzidos pelo modelo de Smagorinsky e pelo modelo de Ger-
mano é muito pequena e levando em conta uma análise qualitativa dos perfis radiais,
condluimos que as simulações com o modelo de Smagorinky foram as que apresenta-
ram os melhores resultados.
5.5. A NÁLISE D IRETA DO E FEITO DA C ONDIÇÃO DE C ONTORNO 119
0
F IGURA 5.42. Perfis axiais de u adm obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996).
TABELA 5.4. Comparação entre erros quadráticos médios produzidos pelos avaliados
Modelo Submalha EQM1 EQM2

Smagorinsky - Cs = 0,060 0,00108 0,00170
Função Estrutura de Velocidades 0,00641 0,00441
5.5 Análise Direta do Efeito da Condição de Contorno
As análises das simulações dos GRUPO1 e GRUPO2, de forma independente

servem para avaliar o efeito da modelagem do tensor de tensões. Esta seção tem por
objetivo avaliar melhor o efeito da modelagem da turbulência no contorno de entrada
(o que foi feito de forma parcial na Seção 5.3). Para avaliar melhor este efeito, os resul-
tados das simulações dos GRUPO1 e GRUPO2 que utilizam o mesmo modelo para o
tensor de tensões submalha serão plotados conjuntamente em um mesmo gráfico.
As Figuras 5.43 e 5.44 apresentam os perfis de velocidades adimensionais na

direção axial obtidos com a utilização do modelo submalha de Smagorinsky. Para
as comparações relativas ao modelo submalha para o modelo de Smagorinsky, foram
comparadas as simulações do GRUPO1 e GRUPO2 que utilizam Cs = 0,060, conforme
análises do erro quadrático médio realizadas nas seção anteriores .
Para as simulações que utilizam o modelo submalha de Smagorinsky, observa-

se um pequeno encurtamento da zona potencial do jato, como verificado na Fig. 5.43,
F IGURA 5.43. Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Uadm obtidos com o modelo de Smagorinsky para Cs = 0,060 e com os
dados experimentais de Amielh et al. (1996).
GRUPO2 de Usim obtidos com o modelo de Smagorinsky para Cs = 0,060 e com os
de modo que a transição de regime é levemente antecipada. É interessante notar que

exceto esta antecipação, o comportamento geral observado foi praticamente o mesmo,
sendo o decaimento da velocidade axial muito similar em ambos os casos (i.e., as cur-
vas seguem de forma praticamente paralelas para altos valores de x/D).
A análise do efeito da modelagem da condição de contorno para as simulações

que utilizaram o modelo submalha de Germano pode ser feita através das Fig. 5.45 e
Fig. 5.46. Estes gráficos mostram tendências similares às observadas com a utilização
do modelo de Smagorinsky. Entretanto verifica-se que a redução do comprimento po-
tencial neste caso foi mais acentuado comparado ao uso do modelo de Smagorinsky.
Um dos possíveis motivos para essa diferença possa ser entendido através da análise
do campo de viscosidade efetiva gerado por cada um destes modelos mostrados na
Fig. 5.12.
Os campos de viscosidade efetiva da Fig. 5.12 mostram que próximo as paredes

do bocal, o modelo submalha de Smagorinsky apresenta valores elevados de viscosi-
dade efetiva. Estes elevados valores de viscosidade efetiva podem dissipar parcela da
energia cinética turbulenta inserida no contorno, principalmente as flutuações inseri-
das que provocariam as maiores instabilidades na camada cisalhante. Comportamento
similar pode ser observado no campo de viscosidade efetiva produzido pelo modelo
Função Estrutura de Velocidades, entretanto em menor intensidade, uma vez que as
viscosidades efetivas produzidas por este último correspondem aproximadamente à
metade daquelas produzida pelo modelo de Smagorinsky.
Tratando-se do modelo de Dinâmico de Germano, próximo ao bocal surgem

regiões com viscosidade efetiva menor do que a unidade, promovendo uma menor
dissipação comparada à utilização dos outros modelos. Nessas regiões ocorre geração
de energia cinética turbulenta, devido a interação entre as diferentes escalas resolvidas,
o que resulta em uma mais rápida transição de regime para o jato. Para as simulações
do GRUPO1, por existirem menos diversidades de escalas com quantidade relevante
de energia, este efeito ocorre com menor intensidade. Em tempo devemos notar, que
após o início da zona de transição o comportamento das simulações dos GRUPO1 e
GRUPO2 foi bastante similar, uma vez que os desvios entre as curvas são praticamente
constantes ao longo do desenvolvimento do jato.
Os resultados do efeito da condição de contorno turbulenta nas simulações com

o modelo Função Estrutura de Velocidades são mostrados nas Figuras 5.47 e 5.48. Este
modelo submalha foi o que apresentou o pior desempenho para as simulações do
GRUPO1, conforme pode ser visto na Tabela 5.6 e nas Figuras 5.14 e 5.15. Entretanto,
GRUPO2 de Uadm obtidos com o modelo Dinâmico de Germano e com os dados ex-
perimentais de Amielh et al. (1996).
GRUPO2 de Usim obtidos com o modelo Dinâmico de Germano e com os dados ex-
perimentais de Amielh et al. (1996).
GRUPO2 de Uadm obtidos com o modelo Função Estrutura de Velocidades e com os
GRUPO2 de Usim obtidos com o modelo Função Estrutura de Velocidades e com os
para o GRUPO2 ele se tornou competitivo, apresentando resultados para as outras

variaveis monitoradas com melhor concordância com os dados experimentais.
Os erros quadráticos médios EQM 1 correspondente aos desvios observados en-

tre os perfis de velocidades Uadm calculados com e sem a modelagem da condição de
TABELA 5.5. EQM 1 com modelo de Smagorinsky para diferentes valores da constante
Cs
Cs GRUPO1 GRUPO2
0,055 0,00287 0,00140
0,060 0,00165 0,00108
0,065 0,00277 0,00166
0,070 0,00647 0,00408
TABELA 5.6. EQM 1 para os três modelos avaliados.
Modelo Submalha GRUPO1 GRUPO2

Smagorinsky Cs = 0,060 0,00165 0,00108
Função Estrutura de Velocidade 0,01030 0,00641
contorno turbulenta, são apresentados na Tab. 5.5 para o modelo de Smagorinsky

com diferentes valores de Cs e na Tab. 5.6 para cada um dos três modelos avalia-
dos. Podemos verificar de forma geral que o erro quadrático médio para as simulações
do GRUPO2 reduziu praticamente pela metade, sendo a única exceção o modelo Di-
nâmico de Germano, para o qual EQM 1 foi maior para a simulção pertencente ao
GRUPO2.
As Figuras 5.49-5.51 apresentam os perfis axiais da intensidade de turbulência

0
adimensional u adm comparados (GRUPO1 X GRUPO 2), para os três modelos em ques-
tão. Estes resultados mostram de forma geral uma melhoria na qualidade dos resulta-
dos obtidos nas simulações com a utilização das condições de contorno turbulentas.
Para o problema físico estudado neste trabalho verifica-se nas Figuras 5.49, 5.50
e 5.51, que o efeito da condição de contorno turbulenta foi importante para a melhoria
da qualidade dos resultados previstos, principalmente para previsão do comprimento
potencial. Deve-se destacar que para os modelos de Smagorinsky e Dinâmico de Ger-
0
mano, após o término da zona potencial, os perfis de velocidades u adm apresentam
comportamento similar para ambos os grupos de simulações. Para o modelo Função
0
Estrutura de Velocidades, na simulação do GRUPO1 verificou-se que u adm não atingia
seu valor máximo dentro do domínio em análise, enquanto que para o GRUPO2 este
foi alcançado, inclusive próximo ao valor máximo experimental .
0
GRUPO2 de u adm obtidos com o modelo de Smagorinsky para Cs = 0,060 e com os
Deve-se ressaltar que já era esperada uma melhora na qualidade dos resultados
para as simulações do GRUPO2, pelo fato de que a definição de um escoamento tur-
bulento já na entrada é mais próxima da realidade, além de diminuir a complexidade
da simulação. Esta redução de complexidade se deve ao fato de não ser necessário que
o solver desenvolva e amplifique as primeiras instabilidades que irão degenerar-se em
turbulência, fenômeno que é naturalmente complexo.
Para todas as simulações do GRUPO2, pode ser observado um decaimento

das flutuações de velocidades junto ao bocal antes de terminar a região potencial.
Este comportamento também foi verificado nos trabalhos de Bogey e Bailly (BOGEY;
BAILLY, 2003a) e Andersson et al. (ANDERSSON et al., 2005). Andersson et al. (AN-
DERSSON et al., 2005) atribuem este decaimento a diversos fatores, como falta de ca-
pacidade numérica, resolução espacial e temporal de suas simulações, e a deficiência
do método usado em capturar as características turbulentas junto ao bocal. Por outro
lado, o estudo de Bogey e Bailly (BOGEY; BAILLY, 2003a) verificou este decaimento so-
mente em simulações que utilizaram uma condição de contorno turbulenta produzida
por um método sintetizador. Entretanto, este decaimento não foi observado em si-
mulações que utilizaram condições de contorno produzidas por outra simulação, cha-
mado de método de mapeamento (ver Sec. 4.7.1). Este poderá ser testado em trabalhos
futuros.
0
GRUPO2 de u adm obtidos com o modelo Dinâmico de Germano e com os dados expe-
rimentais de Amielh et al. (1996).
0
GRUPO2 de u adm obtidos com o modelo Função Estrutura de Velocidades e com os
TABELA 5.7. EQM 2 com modelo de Smagorinsky para diferentes valores da constante
Cs
Cs GRUPO1 GRUPO2
0,055 0,00305 0,00185
0,060 0,00231 0,00170
0,065 0,00248 0,00221
0,070 0,00414 0,00303
5.6. G ANHOS DE D ESEMPENHO C OMPUTACIONAL 127
TABELA 5.8. EQM 2 para os três modelos avaliados.
Modelo Submalha GRUPO1 GRUPO2

Smagorinsky - Cs = 0,060 0,00231 0,00170
Função Estrutura de Velocidade 0,00540 0,00441
Os resultados apresentados nesta seção são uma importante evidência de que

o desempenho dos modelos submalhas são influenciados pelas condições do escoa-
mento. Fica evidenciado também que alguns modelos têm seu desempenho mais in-
fluenciado do que outros, como é o caso do modelo de Smagorinsky, que pouco foi
afetado pela modelagem das condições de contorno turbulentas. Essas diferentes sen-
sibilidades dos modelos submalha são decorrentes das grandes não linearidades que
existem no sistema de equações que rege o problema físico e nos fundamentos físicos
de onde partem as deduções dos modelos submalha.
5.6 Ganhos de Desempenho Computacional
O solver PMLES desenvolvido neste trabalho possui uma versão totalmente pa-
ralelizada utilizando OpenMP (BOARD et al., 2013), que pode ser executada de forma
serial, através da não invocação das bibliotecas OpenMP na etapa de compilação do
código e uma versão híbrida OpenMP CUDA Fortran (GROUP et al., 2018b). As simu-
lações para verificação dos ganhos de performance foram realizadas no Cluster SDu-
mont.
Cada nó computacional do Cluster Sdumont em que foram executadas os testes

possui 2 processadores Intel Xeon E5-2695v2 Ivy Bridge de 2,4 GHz, com doze proces-
sadores cada um, 64 GB DDR3 de memória RAM e 2 placas Nvidia Tesla K40. Cada
uma das placas Nvidia Tesla K40 possui 2280 cuda cores com clock base de 745 MHz
e 12 GB de memória DDR5. Já cada nó do Cluster Fermi, onde foram realizadas as
simulações aqui apresentadas, possui 96 GB de memória RAM e dois processadores
dodecacore Intel Xeon Silver 4116 de 2,1 GHz de frequência e suporte à hyper threading,
mais duas GPUs Nvidia Pascal P100 de 16GB de Memória RAM cada uma com 3584
cuda cores com clock de referência de 1328 MHz.
TABELA 5.9. Ganhos de desempenho para as técnicas utilizadas
Versão do Código tempo de simulação (s) Speedup

Serial - sem GPU 890.0 1.00
OpenMP com 12 threads - sem GPU 104.3 8.5
OpenMP com 24 threads - sem GPU 53.5 16.6
OpenMP CUDA com 24 threads - com GPU 16.2 55.1
Ainda que os ganhos de desempenho não sejam lineares com o número de pro-
cessadores, pois nem todas as operações podem ser feitas por múltiplos processado-
res (como as instruções de tomada de decisão por exemplo (GUSTAFSON, 1988)), os
ganhos de performance obtidos pela utilização das técnicas discutidas acima foram
excelentes. Os resultados de ganhos de performance são apresentados na Tab. 5.9.
Quanto ao custo computacional referente ao uso de cada um dos modelos sub-

malha avaliados, verificamos que o tempo de simulação para os modelos Dinâmico de
Germano e Função Estrutura de Velocidade são similares, sendo ambos ∼ 21% mais
caros do que o modelo submalha de Smagorinsky.
Além do código computacional de simulação PMLES, também foi desenvolvido

um código computacional para geração das condições de contorno turbulentas a partir
do filtro digital proposto por Klein et al. (KLEIN et al., 2003) batizado de INLETGE-
NERATOR. Este último foi implementado em Fortran, visando execução paralela por
meio de diretivas OpenMP, utilizando apenas recursos de CPU.
O INLETGENERATOR não foi implementado em GPU devido à sua alta com-

plexidade em relação às necessidades de sincronização em diversas operações de re-
dução e geração de grandes vetores de números randômicos. Outro aspecto consiste
na geração de números randômicos em GPU, que ainda é um desafio tecnológico a ser
superado. Por estes motivos, apesar do método de geração de sinal turbulento ser sin-
tetizador, ele não é executado de forma simultânea ao PMLES. Devido ao seu elevado
custo computacional, a geração de um plano de condição de contorno em um nó do
cluster FERMI demora cerca de 1 minuto. Este custo inviabilizaria as simulações.
Portanto a solução adotada foi gerar um banco de condições de contorno com

1004 planos de entrada adjacentes e utilizá-los de forma periódica, como descrito an-
5.6. G ANHOS DE D ESEMPENHO C OMPUTACIONAL 129
teriormente no texto. Este conjunto de dados utilizados como condição de contorno

foram calculados utilizando um Desktop equipado com processador Intel i7 4790 3.6
GHz e 16 GB de memória RAM. O tempo de execução para obtenção destes dados foi
de 22 horas utilizando 8 núcleos. Uma vez gerado o conjunto de dados a ser utilizado
como condição de contorno turbulenta, este é carregado pelo PMLES no início de sua
execução e utilizado como descrito anteriormente. O custo computacional associado
ao uso da condição de contorno turbulenta aumenta o tempo de simulação em 20%,
comparado ao uso da CC laminar.
As últimas simulações deste tese foram todas realizadas no cluster FERMI. Para
uma simulação configurada para a utilização de 12 CPU e uma GPU, o cálculo de 2×106
passos de tempo para uma simulação do GRUPO1, utilizando o modelo submalha de
Smagorinsky, demora cerca de 110 horas, enquanto que a simulação correspondente
para o GRUPO2 demora 132 horas.
O pós-processamento foi realizado utilizando programas também de desenvol-

vimento próprio e foi dividido em duas etapas, a primeira o pós-processamento primá-
rio, que realiza a leitura dos dados de saída do PMLES, que são binários para reduzir
seu voulume e tempos de escrita, é realizado por um código também desenvolvido em
FORTRAN, o PLOTGENERATOR que também possui estrutura e implementação pa-
ralela utilizando OpenMP. Este último realiza a manipulação de arquivos em formato
binário, tarefa que é facilitada dentro uma mesma linguagem e gera os arquivos no
formato ASCII que serão utilizados em softwares de visualização.
A segunda etapa de pós processamento, já envolvendo menor volume de da-

dos e com objetivo de gerar os gráficos, foi realizada por programas desenvolvidos em
Scilab 5.5.2. Todo o pós processamento foi realizado em notebook pessoal, por prati-
cidade, demandando algumas vezes a redução do número de threads na execução do
PLOTGENERATOR por limitações de memória deste tipo de equipamento.
Capítulo 6
Conclusões e Trabalhos Futuros
O objetivo principal deste trabalho foi avaliar o efeito da modelagem submalha

em LES de jatos turbulentos coaxiais, visando o futuro desenvolvimento de um código
para simulação de escoamentos reativos e de massa específica variável. Para alcançar
este objetivo, foi desenvolvido um solver LES de arquitetura híbrida OpenMP CUDA
que chamamos de PMLES, que pode empregar diferentes modelos para descrição do
tensor das tensões submalha (Smagorinsky, Dinâmico de Germano e Função Estrutura
de Velocidades). Estes modelos apresentam diferentes bases teóricas, complexidade
variada, e distintos custos computacionais. Para a realização deste estudo, fez-se uma
análise comparativa entre os resultados obtidos por cada modelo para um problema
teste, frente a dados experimentais (AMIELH et al., 1996; DJERIDANE et al., 1996).
A escolha do modelo que produz os resultados mais satisfatórios foi feita através
da análise comparativa entre perfis de variáveis representativas (velocidades médias,
flutuações de velocidade) ao longo das direções axial e radial e de erros quadráticos
médios em relação aos dados experimentais. Em nossos resultados, verificamos que
houve variações nos desvios observados para cada modelo. Baseado nestes critérios,
o modelo submalha de Smagorinsky com Cs = 0,060 foi o que apresentou os melhores
resultados para o problema estudado. Isso nos leva a uma das conclusões importantes
desta tese, de que nem sempre o modelo mais caro e mais complexo é o melhor.
É claro que até chegarmos nessa qualidade de resultados para o modelo de Sma-
gorinsky, o modelo foi "calibrado"para a solução de jato turbulento coaxial. Foi mos-
trado que valores inadequados de Cs , mesmo dentro da faixa proposta na literatura,
levaram à soluções muito discrepantes das esperadas. Foi verificado anteriormente
131
132 C APÍTULO 6. C ONCLUSÕES E T RABALHOS F UTUROS
(UZUN et al., 2003; ILYUSHIN; KRASINSKY, 2006; BODONY; LELE, 2008; BRÈS;
LELE, 2019) e discutido no texto, que o valor adequado de Cs a ser utilizado é função
das características numéricas do solver e do problema em estudo. Uma interpretação
que podemos fazer deste resultado é que o modelo submalha de Smagorinsky, apesar
de mais simples e menos custoso comparado aos demais testados, tem condições de
simular jatos turbulentos coaxiais de massa específica constante, desde que um valor
apropriado para a constante seja usado.
Acreditamos que este resultado deva motivar estudos adicionais sobre a utili-
zação do modelo submalha de Smagorinsky em estudos sistemáticos similares para
variados problemas, utilizando o mesmo arranjo numérico, mesma descrição de con-
dição de contorno e de preferência o mesmo solver, como sugerido por Brès et al. (BRÈS;
LELE, 2019). Seguindo esta metodologia, será possível avaliar a sensibilidade do ajuste
da constante Cs para problemas de interesse na engenharia, como por exemplo, escoa-
mentos com misturas de fluidos de diferentes massas específicas e escoamentos reati-
vos. Infelizmente, com base nos resultados obtidos, não podemos afirmar com certeza
que a mesma qualidade de resultados seria obtida para outros jatos turbulentos para
o mesmo valor de Cs , ainda que isotérmicos e de massa específica constante. Em es-
coamentos de massa específica variável e reativos existem mais efeitos influenciando a
mecânica do jato, o que pode tornar ainda mais complexo a definição de um valor para
Cs .
Verifica-se que a maioria de simulações LES para jatos com variação de massa
específica e jatos reativos na literatura utilizam o modelo Dinâmico de Germano, assu-
mindo que este produzirá resultados de qualidade. O modelo Dinâmico de Germano
possui diversas características positivas, sendo a principal não necessitar da definição
de uma constante ad hoc. Por outro lado, os erros quadráticos médios apresentados
para o problema em questão mostram que esta escolha pode não ser adequada frente
a qualidade dos resultados obtidos, além de computacionalmente mais cara. Porém
deve-se ressaltar que os resultados produzidos pelo modelo Dinâmico de Germano são
razoáveis do ponto de vista quantitativo, mas bons do ponto de vista qualitativo. Por
exemplo, ao analisar o perfil da Intensidade de turbulência adimensional, verificamos
que este modelo produziu os melhores resultados, apresentando uma boa capacidade
de capturar o fenômeno de transição para turbulência. Através de sua utilização fo-
133
ram obtidos os resultados com maior taxa de espalhamento, similares aos propostos
pela lei de Similaridade de Chen e Rodi (CHEN; RODI, 1980). Existem aspectos de im-
plementação discutidos por Sagaut (SAGAUT, 2006), em particular quanto aos limites
máximos e mínimos para o coeficiente C (x, t) (na Eq. 3.47) produzido pelo modelo,
que talvez possam melhorar a qualidade destes resultados. Também, resultados com
melhor concordancia frente aos dados experimentais poderiam ser obtidos através de
uma melhor descrição da CC de entrada, a ser avaliada futuramente.
Comportamento oposto foi observado a partir das simulações obtidas com a

utilização do modelo Função Estrutura de Velocidades. Embora, segundo Lesieur (LE-
SIEUR et al., 2005), este seja indicado para simular escoamentos onde há a transição à
turbulência, em nossas simulações o modelo não apresentou boa capacidade de cap-
turar esta transição e consequentemente a transição de regimes do jato. Entretanto,
nas simulações que empregaram a condição de contorno turbulenta, a qualidade dos
seus resultados melhoraram, e o modelo passou a ser competitivo, apresentando-se
como uma opção interessante ao modelo Dinâmico de Germano, sendo este de imple-
mentação mais fácil. Analogamente ao que foi comentado no parágrafo anterior, uma
melhora da descrição da CC de entrada pode levar a resultados de melhor qualidade.
Outro ponto que chama a atenção com relação ao modelo Função Estrutura de Veloci-
dades, é que este não tem sido usado na literatura para simulação de jatos. Portanto,
somente com os resultados deste trabalho é arriscado uma conclusão definitiva. Con-
cluimos sim que vale apena estudar o desempenho do modelo em outros problemas,
seja de jatos e outros escoamentos cisalhantes.
Diante dos resultados deste trabalho e estudos prévios da literatura com relação
ao efeito da modelagem submalha na simulação de jatos, sugere-se que para um pro-
blema desconhecido, que envolva transição de escoamento laminar para turbulento,
utilize-se o modelo Dinâmico de Germano. Quando o objetivo seja obter uma simula-
ção de boa qualidade visando estudar um determinado fenômeno em particular, talvez
valha a pena buscar um valor adequado da constante Cs de Smagorinsky antes da sua
aplicação.
Com relação à aplicação das condições de contorno turbulenta na entrada, ve-

rificamos uma melhora sensível na qualidade dos resultados, embora exista discussão
sobre a real necessidade da inserção destas flutuações de velocidade, como discutido

em Bonody e Lele (BODONY; LELE, 2008). O decaimento inicial da intensidade de tur-
0
bulência adimensional observado para todos os perfis axiais de u adm parece ser uma
limitação dos métodos sintetizadores de turbulência, uma vez que este comportamento
foi observado também em outros trabalhos empregando o mesmo método (KLEIN et
al., 2003) ou outros métodos sintetizadores (ANDERSSON et al., 2005; PAYRI et al.,
2016). Acreditamos que conforme discutido em Brès et al. (BRÈS; LELE, 2019), a mo-
delagem detalhada do escoamento na geometria da entrada poderá ter uma influência
maior na qualidade dos resultados. Outros métodos e formas de implementação po-
derão ser testados em trabalhos futuros.
Outra análise e conclusão importante deste trabalho refere-se à utilização da

computação paralela em arquitetura híbrida CPU-GPU. Verificamos que com a utili-
zação de apenas uma GPU, o ganho de speedup foi 3 vezes maior comparado a uma
simulação que utilizou somente recursos de CPU. O interessante é que este ganho
de capacidade de cálculo é obtido com um acréscimo de investimento relativamente
baixo, tanto que esta estratégia tem sido aplicada para a expansão da capacidade com-
putacional em diversos centros de computação no mundo. Esta capacidade de cálculo
a um relativamente baixo custo viabiliza a utilização de metodologias com custo com-
putacional intermediário como a LES em aplicações industriais, uma vez que, com uma
única workstation (devidamente projetada), é possível resolver problemas de grande
relevância para a engenharia.
Por outro lado, os códigos abertos (como o OpenFoam por exemplo) ainda
não estão adaptados a utilização deste tipo de recurso, e mesmo pacotes comerci-
ais possuem limitações. Essas limitações se devem à complexidade em adequar os
códigos existentes para execução em GPU, sendo muitas vezes necessário desenvol-
ver uma nova estratégia de implementação adequada às características das GPU’s.
Para superarmos esta dificuldade, é necessário que mais profissionais de engenharia
familiarizem-se com a programação neste tipo de arquitetura.
De forma geral consideramos que os resultados obtidos neste trabalho foram

positivos. Boas previsões das características do jato turbulento em estudo foram obti-
das nas simulações, considerando que este é um problema complexo em mecânica dos
6.1. T RABALHOS F UTUROS 135
fluidos, e vem desafiando pesquisadores há muitos anos. Reforça nosso sentimento a

análise feita por Bonody e Lele (BODONY; LELE, 2008), de que, devido às incertezas
associadas ao papel dos modelos submalha e às condições de contorno de entrada, as
simulações de grandes escalas possui capacidade de predição limitada. De qualquer
forma, a utilização da técnica LES em arquiteturas híbridas, seja com GPU’s ou ace-
leradores de computação, pode se tornar de uso corrente no projeto e otimização de
processos e equipamentos em um futuro próximo, apresentando um bom equilíbrio
entre acurácia e custo computacional.
6.1 Trabalhos Futuros
Ao longo do desenvolvimento deste trabalho muitas portas de conhecimento fo-

ram abertas e exploradas. Algumas não foram documentadas neste trabalho por não
apresentarem contribuições diretas. Outras muitas exploramos até o ponto necessário
para resolver o problema de interesse. Ao longo deste processo, portanto, muitas opor-
tunidades de contribuições científicas relacionadas a continuação deste trabalho foram
observadas, sendo as principais delas citadas a seguir:
• Analisar a sensibilidade das simulações e análises realizadas quanto ao re-

finamento de malha.
• Estudar o efeito da resolução da malha junto ao lábio do bocal do jato, uma

vez que este tem influência direta na espessura e no desenvolvimento inicial
da camada cisalhante e surgimento das primeiras instabilidades.
• Klein et al. (2003) (KLEIN et al., 2003) observou diferentes amplitudes

deste decaimento para diferentes comprimentos característicos das estru-
turas turbulentas do sinal modelado. Portanto é possível que o decaimento
da intensidade de turbulência observado possa ser amenizado e o resultado
como um todo melhorado. Para tanto seria necessário realizar um estudo
do efeito do comprimento Lc das estruturas turbulentas no contorno de en-
trada.
• Aplicar diferentes metodologias para descrição da CC de entrada turbu-

lenta e reavaliar desempenho dos modelos.
• Estudar a sensibilidade do coeficiente de Smagorinsky para outros jatos.
• Estudar o efeito de diferentes formas de implementação do modelo Dinâ-

mico de Germano. Tanto para os valores limites de Cs (x, t) quanto para a
forma de calcular os valores médios na malha duplamente filtrada.
• Estudar o efeito da modelagem do tensor de tensões submalha em jatos com

massa específica variável.
• Estudar o efeito da modelagem do fluxo escalar submalha em jatos de

massa específica variável.
• Estudar formas de otimizar a implementação GPU e expandir o código para

implementação Multi-GPU.
Referências Bibliográficas
ABRAMOVICH, G. The theory of turbulent jets. Tese (Doutorado) — MIT Press, Massa-
chusetts Institute of technology, 1963.
AGUIRRE, R. C.; CATRAKIS, H. J. On intermittency and the physical thickness of tur-

bulent fluid interfaces. Journal of Fluid Mechanics, Cambridge Univ Press, v. 540, p.
39–48, 2005.
ALLAMPALLI, V.; HIXON, R.; NALLASAMY, M.; SAWYER, S. D. High-accuracy

large-step explicit runge–kutta (hale-rk) schemes for computational aeroacoustics.
Journal of Computational Physics, Elsevier, v. 228, n. 10, p. 3837–3850, 2009.
AMIELH, M.; DJERIDANE, T.; ANSELMET, F.; FULACHIER, L. Velocity near-field of

variable density turbulent jets. International Journal of Heat and mass transfer, Else-
vier, v. 39, n. 10, p. 2149–2164, 1996.
ANDERSSON, N.; ERIKSSON, L.-E.; DAVIDSON, L. Effects of inflow conditions and

subgrid model on les for turbulent jets. In: 11th AIAA/CEAS Aeroacoustics Confe-
rence. [S.l.: s.n.], 2005. p. 2925.
BARDINA, J.; FERZIGER, J. H.; REYNOLDS, W. C. Improved subgrid-scale models for

large-eddy simulation. In: American Institute of Aeronautics and Astronautics, Fluid
and Plasma Dynamics Conference, 13th, Snowmass, Colo., July 14-16, 1980, 10 p. [S.l.:
s.n.], 1980.
BATCHELOR, G. K. The theory of homogeneous turbulence. [S.l.]: Cambridge university

press, 1953.
BILLSON, M.; ERIKSSON, L.-E.; DAVIDSON, L. Jet noise prediction using stochastic
turbulence modeling. In: 9th AIAA/CEAS aeroacoustics conference and exhibit. [S.l.:
s.n.], 2003. p. 3282.
BISSET, D. K.; HUNT, J. C.; ROGERS, M. M. The turbulent/non-turbulent interface

bounding a far wake. Journal of Fluid Mechanics, Cambridge University Press, v. 451,
p. 383–410, 2002.
BITTING, J.; NIKITOPOULOS, D.; GOGINENI, S.; GUTMARK, E. Visualization and

two-color dpiv measurements of flows in circular and square coaxial nozzles. Expe-
riments in fluids, Springer, v. 31, n. 1, p. 1–12, 2001.
137
138 R EFERÊNCIAS B IBLIOGRÁFICAS
BLAZEK, J. Computational fluid dynamics: principles and applications. [S.l.]: Butterworth-

Heinemann, 2015.
BOARD, O. et al. Openmp application program interface. OpenMP Architecture Review

Board, Tech. Rep., 2013.
BODONY, D. J.; LELE, S. K. Current status of jet noise predictions using large-eddy
simulation. AIAA journal, v. 46, n. 2, p. 364–380, 2008.
BOGEY, C.; BAILLY, C. Three-dimensional non-reflective boundary conditions for

acoustic simulations: far field formulation and validation test cases. Acta Acustica
united with Acustica, S. Hirzel Verlag, v. 88, n. 4, p. 463–471, 2002.
BOGEY, C.; BAILLY, C. Les of a high reynolds, high subsonic jet: effects of the inflow
conditions on flow and noise. In: 9th AIAA/CEAS Aeroacoustics Conference and Exhi-
bit. [S.l.: s.n.], 2003. p. 3170.
BOGEY, C.; BAILLY, C. Les of a high reynolds, high subsonic jet: effects of the subgrid
modellings on flow and noise. In: 16th AIAA Computational Fluid Dynamics Confe-
rence. [S.l.: s.n.], 2003. p. 3557.
BOGEY, C.; BAILLY, C. Large eddy simulations of transitional round jets: influence of
the reynolds number on flow development and energy dissipation. Physics of Fluids,
American Institute of Physics, v. 18, n. 6, p. 065101, 2006.
BOGEY, C.; BAILLY, C. Influence of nozzle-exit boundary-layer conditions on the flow

and acoustic fields of initially laminar jets. Journal of Fluid Mechanics, Cambridge
University Press, v. 663, p. 507–538, 2010.
BRÈS, G. A.; LELE, S. K. Modelling of jet noise: a perspective from large-eddy simula-
tions. Philosophical Transactions of the Royal Society A, The Royal Society Publishing,
v. 377, n. 2159, p. 20190081, 2019.
CHANDRA, R.; DAGUM, L.; KOHR, D.; MAYDAN, D.; MENON, R.; MCDONALD, J.
Parallel programming in OpenMP. [S.l.]: Morgan kaufmann, 2001.
CHASSAING, P.; HARRAN, G.; JOLY, L. Density fluctuation correlations in free turbu-
lent binary mixing. Journal of Fluid Mechanics, Cambridge University Press, v. 279,
p. 239–278, 1994.
CHEN, C. J.; RODI, W. Vertical turbulent buoyant jets: a review of experimental data.
NASA Sti/Recon Technical Report A, v. 80, 1980.
CHOI, H.; MOIN, P. Effects of the computational time step on numerical solutions of
turbulent flow. Journal of Computational Physics, Elsevier, v. 113, n. 1, p. 1–4, 1994.
CHOLLET, J.-P.; LESIEUR, M. Parameterization of small scales of three-dimensional

isotropic turbulence utilizing spectral closures. Journal of the Atmospheric Sciences,
v. 38, n. 12, p. 2747–2757, 1981.
R EFERÊNCIAS B IBLIOGRÁFICAS 139
CLÓVIS, R. M. Transferência de calor e mecânica dos fluidos computacional. ISBN

8521613962. 2ª Edição–2004. LTC, 1995.
DAMASCENO, M. et al. Turbulent inlet conditions modeling using large-eddy simu-

lations. Computer Modeling in Engineering & Sciences, v. 104, n. 2, p. 105–132, 2015.
DAMASCENO, M. M. R. Modelagem de condições de contorno para escoamentos turbulentos

utilizando simulações das grandes escalas. Dissertação (Mestrado), 2012.
DEARDORFF, J. W. A numerical study of three-dimensional turbulent channel flow

at large reynolds numbers. Journal of Fluid Mechanics, Cambridge University Press,
v. 41, n. 2, p. 453–480, 1970.
DJERIDANE, T.; AMIELH, M.; ANSELMET, F.; FULACHIER, L. Velocity turbulence

properties in the near-field region of axisymmetric variable density jets. Physics of
Fluids, AIP, v. 8, n. 6, p. 1614–1630, 1996.
FERZIGER, J. H.; PERIC, M. Computational methods for fluid dynamics. [S.l.]: Springer
Science & Business Media, 2012.
FLYNN, M. J. Very high-speed computing systems. Proceedings of the IEEE, IEEE, v. 54,
n. 12, p. 1901–1909, 1966.
FORTUNA, A. d. O. Técnicas computacionais para dinâminca dos fluidos: conceitos básicos e

aplicações. [S.l.]: Edusp, 2000.
FREIRE, A. P. S.; MENUT, P. P. M.; JIAN, S. Turbulência. [S.l.]: ABCM, 2002. v. 1.
FREUND, J. B. Nozzles, turbulence, and jet noise prediction. Journal of Fluid Mechanics,
Cambridge University Press, v. 860, p. 1–4, 2019.
FUREBY, C.; TABOR, G.; WELLER, H.; GOSMAN, A. A comparative study of sub-
grid scale models in homogeneous isotropic turbulence. Physics of fluids, American
Institute of Physics, v. 9, n. 5, p. 1416–1429, 1997.
GAMPERT, M.; KLEINHEINZ, K.; PETERS, N.; PITSCH, H. Experimental and nume-
rical study of the scalar turbulent/non-turbulent interface layer in a jet flow. Flow,
turbulence and combustion, Springer, v. 92, n. 1-2, p. 429–449, 2014.
GERMANO, M. Averaging invariance of the turbulent equations and similar subgrid

scale modeling. CTR Manuscript, v. 116, 1990.
GERMANO, M.; PIOMELLI, U.; MOIN, P.; CABOT, W. H. A dynamic subgrid-scale

eddy viscosity model. Physics of Fluids A: Fluid Dynamics, AIP, v. 3, n. 7, p. 1760–
1765, 1991.
GHARBI, A.; RUFFIN, E.; ANSELMET, F.; SCHIESTEL, R. Numerical modelling of

variable density turbulent jets. International journal of heat and mass transfer, Elsevier,
v. 39, n. 9, p. 1865–1882, 1996.
GROUP, P. et al. Cuda fortran programming guide and reference. Beaverton: PGI, 2018.
GROUP, P. et al. Cuda fortran programming guide and reference. Beaverton: PGI, 2018.
GUSTAFSON, J. L. Reevaluating amdahl’s law. Communications of the ACM, ACM, v. 31,
n. 5, p. 532–533, 1988.
HAFEZ, M. M.; OSHIMA, K.; KWAK, D. Computational fluid dynamics review 2010. [S.l.]:
World Scientific, 2010.
HÄLLQVIST, T. Large eddy simulation of impinging jets with heat transfer. Tese (Douto-
rado) — Royal Institute of Technology, 2006.
HARLOW, F. H.; WELCH, J. E. Numerical calculation of time-dependent viscous in-
compressible flow of fluid with free surface. The physics of fluids, AIP, v. 8, n. 12, p.
2182–2189, 1965.
HERMANNS, M. Parallel programming in fortran 95 using openmp (2002). School of
Aeronautical Engineering, Universidad Politécnica de Madrid, España, 2011.
HIRT, C. et al. SOLA: A numerical solution algorithm for transient fluid flows. [S.l.], 1975.
HU, F.; HUSSAINI, M.; MANTHEY, J. Low-dissipation and low-dispersion runge–
kutta schemes for computational acoustics. Journal of computational physics, Elsevier,
v. 124, n. 1, p. 177–191, 1996.
HUAI, Y. Large Eddy Simulation in the scalar field. Tese (Doutorado) — Technische Uni-
versität, 2006.
ILYUSHIN, B.; KRASINSKY, D. Large eddy simulation of the turbulent round jet dy-
namics. Thermophysics and Aeromechanics, Springer, v. 13, n. 1, p. 43–54, 2006.
JONES, S.; SOTIROPOULOS, F.; SALE, M. Large-eddy simulation of turbulent circular jet
flows. [S.l.], 2002.
JORGE, S. C. EXPLORANDO O PARALELISMO HÍBRIDO NA PROPAGAÇÃO da
ONDA ACÚSTICA 3D. Tese (Doutorado) — Universidade Federal do Rio de Ja-
neiro, 2016.
KLEIN, M.; SADIKI, A.; JANICKA, J. A digital filter based generation of inflow data
for spatially developing direct numerical or large eddy simulations. Journal of com-
putational Physics, Elsevier, v. 186, n. 2, p. 652–665, 2003.
KRAICHNAN, R. H. Eddy viscosity in two and three dimensions. Journal of the at-
mospheric sciences, v. 33, n. 8, p. 1521–1536, 1976.
KUMAR, M. K.; ABDEL-MAJEED, M. R.; ANNAVARAM, M. Efficient automatic paral-
lelization of a single GPU program for a multiple GPU system. Integration, Elsevier,
v. 66, p. 35–43, 2019.
KUO, K. K.-y.; ACHARYA, R. Fundamentals of Turbulent and Multi-Phase Combustion.
[S.l.]: John Wiley & Sons, 2012.
LESIEUR, M. Turbulence in fluids. [S.l.]: Kluwer Academic Publishers, 1997.
LESIEUR, M. Turbulence in fluids. [S.l.]: Springer Science & Business Media, 2012. v. 40.
LESIEUR, M.; MÉTAIS, O.; COMTE, P. Large-eddy simulations of turbulence. [S.l.]: Cam-
bridge University Press, 2005.
LILLY, D. K. A proposed modification of the germano subgrid-scale closure method.

Physics of Fluids A: Fluid Dynamics, AIP, v. 4, n. 3, p. 633–635, 1992.
LILLY, K. On the application of the eddy viscosity concept in the inertial sub-range of
turbulence. 1966.
LIPARI, G.; STANSBY, P. K. Review of experimental data on incompressible turbulent

round jets. Flow, turbulence and combustion, Springer, v. 87, n. 1, p. 79–114, 2011.
LÖFFLER, M.; PFADLER, S.; BEYRAU, F.; LEIPERTZ, A.; DINKELACKER, F.; HUAI,
Y.; SADIKI, A. Experimental determination of the sub-grid scale scalar flux in a
non-reacting jet-flow. Flow, Turbulence and Combustion, Springer, v. 81, n. 1, p. 205–
219, 2008.
LORENZON, A.; ANTONELLO, M.; BERTO, F. Critical review of turbulence models

for cfd for fatigue analysis in large steel structures. Fatigue & Fracture of Engineering
Materials & Structures, Wiley Online Library, 2018.
LUND, T. S.; WU, X.; SQUIRES, K. D. Generation of turbulent inflow data for spatially-
developing boundary layer simulations. Journal of computational physics, Elsevier,
v. 140, n. 2, p. 233–258, 1998.
MAINIERI, P. A. J. Avaliação da propagação acústica utilizando diferenças finitas tradicionais

e DRP. Dissertação (Mestrado) — Universidade Federal de Uberlândia, 2013.
MALISKA, C. Transferência de calor e mecânica dos fluidos computacional 2a Ed. [S.l.]: Rio
de Janeiro-RJ: LTC-Livros Técnicos e Cientıficos Editora SA, 2004.
MARKESTEIJN, A. P.; KARABASOV, S. A. GPU CABARET solutions for the cojen jet
noise experiment. In: 2018 AIAA/CEAS Aeroacoustics Conference. [S.l.: s.n.], 2018.
p. 3921.
MARKESTEIJN, A. P. et al. CABARET GPU solver for fast-turn-around flow and noise
calculations. In: 21st AIAA/CEAS Aeroacoustics Conference. [S.l.: s.n.], 2015. p. 2223.
MCMILLAN, O. Tests of new subgrid-scale models in strained turbulence. aiaa paper

aiaa-80-1339. In: AIAA 13th Fluid and Plasma Dynamics Conference, Snowmass, Co.
[S.l.: s.n.], 1980.
MENEVEAU, C.; KATZ, J. Scale-invariance and turbulence models for large-eddy si-
mulation. Annual Review of Fluid Mechanics, Annual Reviews 4139 El Camino Way,
PO Box 10139, Palo Alto, CA 94303-0139, USA, v. 32, n. 1, p. 1–32, 2000.
MENTER, F. R. Review of the shear-stress transport turbulence model experience from

an industrial perspective. International Journal of Computational Fluid Dynamics, Tay-
lor & Francis, v. 23, n. 4, p. 305–316, 2009.
MÉTAIS, O.; LESIEUR, M. Spectral large-eddy simulation of isotropic and stably stra-
tified turbulence. Journal of Fluid Mechanics, Cambridge University Press, v. 239, p.
157–194, 1992.
MOIN, P.; SQUIRES, K.; CABOT, W.; LEE, S. A dynamic subgrid-scale model for com-
pressible turbulence and scalar transport. Physics of Fluids A: Fluid Dynamics, AIP,
v. 3, n. 11, p. 2746–2757, 1991.
MÖLLER, S. V.; SILVESTRINI, J. H. Turbulência. Fundamentos, v. 4, 2004.
MONTORFANO, A.; PISCAGLIA, F.; FERRARI, G. Inlet boundary conditions for in-
compressible les: A comparative study. Mathematical and Computer Modelling, Else-
vier, v. 57, n. 7-8, p. 1640–1647, 2013.
MOREIRA, C. V. J. Paralelização do Modelo Computacional PLANTAC Utilizando o Ambi-

ente OPENMP. Dissertação (Mestrado) — Universidade Federal do Rio de Janeiro,
2011.
MORGANS, R. et al. Application of the revised wilcox (1998) k-ω turbulence model to
a jet in co-flow. In: Second International Conference on CFD in the Mineral and Process
Industries, Melbourne, Australia. [S.l.: s.n.], 1999.
NYQUIST, H. Certain topics in telegraph transmission theory. Transactions of the Ame-

rican Institute of Electrical Engineers, IEEE, v. 47, n. 2, p. 617–644, 1928.
OZISIK, M. N. Transferência de calor: um texto básico. [S.l.]: Guanabara-Koogan, 1990.
PAYRI, R.; LÓPEZ, J. J.; MARTÍ-ALDARAVÍ, P.; GIRALDO, J. S. Effect of turbulent

model closure and type of inlet boundary condition on a large eddy simulation of
a non-reacting jet with co-flow stream. International Journal of Heat and Fluid Flow,
Elsevier, v. 61, p. 545–552, 2016.
PERUMAL, D. A.; DASS, A. K. A review on the development of lattice boltzmann

computation of macro fluid flows and heat transfer. Alexandria Engineering Journal,
Elsevier, v. 54, n. 4, p. 955–971, 2015.
PETRY, A. Análise numérica de escoamentos turbulentos tridimensionais empregando o mé-

todo de elementos finitos e simulação de grandes escalas. Tese (Doutorado) — Universi-
dade Federal do Rio Grande do Sul, The address of the publisher, 2002. Phdthesis.
PHILIP, J.; MARUSIC, I. Large-scale eddies and their role in entrainment in turbulent
jets and wakes. Physics of Fluids, AIP, v. 24, n. 5, p. 055108, 2012.
PIERCE, C. D. Progress-variable approach for large-eddy simulation of turbulent combustion.

Tese (Doutorado) — stanford university, 2001.
PIERCE, C. D.; MOIN, P. Progress-variable approach for large-eddy simulation of non-

premixed turbulent combustion. Journal of Fluid Mechanics, Cambridge Univ Press,
v. 504, p. 73–97, 2004.
PINHO, J.; MUNIZ, A. R. PMLES: A hybrid openMP CUDA source code for LES of
turbulent flows. Journal of Applied Fluid Mechanics, v. 13, n. 4, p. 1067–1079, 2020.
PIOMELLI, U. Large-eddy simulation: achievements and challenges. Progress in Aeros-
pace Sciences, Elsevier, v. 35, n. 4, p. 335–362, 1999.
PITSCH, H. Large-eddy simulation of turbulent combustion. Annu. Rev. Fluid Mech.,
Annual reviews, v. 38, p. 453–482, 2006.
PITTS, W. M. Effects of global density and Reynolds number variations on mixing in tur-
bulent, axisymmetric jets. [S.l.]: US Department of Commerce, National Bureau of
Standards, 1986.
PLETCHER, R. H.; TANNEHILL, J. C.; ANDERSON, D. Computational fluid mechanics
and heat transfer. [S.l.]: CRC Press, 2012.
POMRANING, E.; RUTLAND, C. J. Dynamic one-equation nonviscosity large-eddy
simulation model. AIAA journal, v. 40, n. 4, p. 689–701, 2002.
POPE, S. B. Turbulent flows. [S.l.]: Cambridge university press, 2000.
QUADROS, A. E. R. Processamento Paralelo em CUDA Aplicado ao Modelo de Geração de
cenários sintéticos de vazões e Energias-GEVAZP. Tese (Doutorado) — Universidade
Federal do Rio de Janeiro, 2016.
RICOU, F. P.; SPALDING, D. Measurements of entrainment by axisymmetrical turbu-
lent jets. Journal of fluid mechanics, Cambridge University Press, v. 11, n. 1, p. 21–32,
1961.
RODI, W. Turbulent buoyant jets and plumes: HMT: the science & applications of heat and
mass transfer. Reports, reviews & computer programs. [S.l.]: Elsevier, 2014. v. 6.
RODI, W. Turbulence modeling and simulation in hydraulics: a historical review. Jour-
nal of Hydraulic Engineering, American Society of Civil Engineers, v. 143, n. 5, p.
03117001, 2017.
RODI, W. et al. A review of experimental data of uniform density free turbulent boun-
dary layers. 1975.
ROUMBAS, G.; KASTRINAKIS, E.; NYCHAS, S. Scalar transport in the near field
between two coaxial square air jets. Experimental Thermal and Fluid Science, Elsevier,
v. 78, p. 229–241, 2016.
RUETSCH, G.; FATICA, M. Cuda fortran for scientists and engineers. NVIDIA Corpo-
ration, v. 2701, 2011.
RUFFIN, E.; SCHIESTEL, R.; ANSELMET, F.; AMIELH, M.; FULACHIER, L. Investiga-
tion of characteristic scales in variable density turbulent jets using a second-order
model. Physics of Fluids, AIP, v. 6, n. 8, p. 2785–2799, 1994.
SAGAUT, P. Large eddy simulation for incompressible flows: an introduction. [S.l.]: Springer
Science & Business Media, 2006.
SAGAUT, P. et al. Multiscale and multiresolution approaches in turbulence: LES, DES and
hybrid RANS/LES methods: applications and guidelines. [S.l.]: World Scientific, 2013.
SALKHORDEH, S.; MAZUMDAR, S.; LANDFRIED, D. T.; JANA, A.; KIMBER, M. L.

Les of an isothermal high reynolds number turbulent round jet. In: AMERICAN
SOCIETY OF MECHANICAL ENGINEERS DIGITAL COLLECTION. 2014 22nd In-
ternational Conference on Nuclear Engineering. [S.l.], 2014.
SILVA, C. B. da; LOPES, D. C.; RAMAN, V. The effect of subgrid-scale models on the
entrainment of a passive scalar in a turbulent planar jet. Journal of Turbulence, Taylor
& Francis, v. 16, n. 4, p. 342–366, 2015.
SMAGORINSKY, J. General circulation experiments with the primitive equations: I.

the basic experiment. Monthly weather review, v. 91, n. 3, p. 99–164, 1963.
STANLEY, S.; SARKAR, S. Influence of nozzle conditions and discrete forcing on tur-
bulent planar jets. AIAA journal, v. 38, n. 9, p. 1615–1623, 2000.
TABOR, G. R.; BABA-AHMADI, M. Inlet conditions for large eddy simulation: A re-
view. Computers & Fluids, Elsevier, v. 39, n. 4, p. 553–567, 2010.
TAM, C. K.; WEBB, J. C. Dispersion-relation-preserving finite difference schemes for

computational acoustics. Journal of computational physics, Elsevier, v. 107, n. 2, p.
262–281, 1993.
TAO, B.; KATZ, J.; MENEVEAU, C. Geometry and scale relationships in high reynolds
number turbulence determined from three-dimensional holographic velocimetry.
Physics of Fluids, AIP, v. 12, n. 5, p. 941–944, 2000.
TRUMPER, M. T.; BEHROUZI, P.; MCGUIRK, J. J. Influence of nozzle exit conditions

on the near-field development of high subsonic and underexpanded axisymmetric
jets. Aerospace, Multidisciplinary Digital Publishing Institute, v. 5, n. 2, p. 35, 2018.
UZUN, A.; BLAISDELL, G. A.; LYRINTZIS, A. S. Sensitivity to the smagorinsky cons-

tant in turbulent jet simulations. AIAA journal, v. 41, n. 10, p. 2077–2079, 2003.
VEDOVOTO, J. M. Mathematical and numerical modeling of turbulent reactive flows using

a hybrid LES/PDF methodology. Tese (Doutorado) — Chasseneuil-du-Poitou, Ecole
nationale supérieure de mécanique et daérotechnique, 2011.
VEYNANTE, D.; VERVISCH, L. Turbulent combustion modeling. Progress in Energy

and Combustion Science, Elsevier, v. 28, n. 3, p. 193–266, 2002.
WANG, P.; FRÖHLICH, J.; MICHELASSI, V.; RODI, W. Large-eddy simulation of

variable-density turbulent axisymmetric jets. International Journal of Heat and Fluid
Flow, Elsevier, v. 29, n. 3, p. 654–664, 2008.
WILSON, R. V.; DEMUREN, A. O. Numerical simulation of turbulent jets with rectangular

cross-section. [S.l.]: National Aeronautics and Space Administration, Langley Rese-
arch Center, 1997.
WILSON, T. et al. SOLA-DM: A numerical solution algorithm for transient three-

dimensional flows. [S.l.], 1988.
ZHU, X. et al. AFiD-GPU: a versatile navier–stokes solver for wall-bounded turbulent

flows on GPU clusters. Computer physics communications, Elsevier, v. 229, p. 199–210,
2018.
Apêndice A
Discretização das Equações de

Conservação
A Fig. A.1 apresenta todos os fluxos de quantidade de movimento que ocorrem

em um volume de controle genérico. Por conta da utilização de malha desencontrada
ocorre que cada uma das três componentes de velocidades e a pressão são armazena-
das em diferentes locais da malha. A pressão é sempre avaliada no centro da célula,
enquanto que as equações de conservação para a quantidade de movimento são sem-
pre integradas sobre as faces das células que estão sob análise. Essa localização das
grandezas na malha são representadas matematicamente pelos índices da Fig. A.1.
Uma vez que na linguagem fortran não é possível a utilização de índices fracio-
nários convencionou-se adicionar o valor de 12 a todos os índices deslocados, de modo
que passou-se a trabalhar sempre com índices inteiros, utilizando este artifício a Fig
F IGURA A.1. Localização das grandezas na malha em um arranjo deslocado, adaptado

de Ferziger (2012).
147
148 A PÊNDICE A. D ISCRETIZAÇÃO DAS E QUAÇÕES DE C ONSERVAÇÃO
F IGURA A.2. Localização das grandezas na malha em um arranjo deslocado, ajustado

para implementação em Fortran.
A.1 pode ser reapresentada na Fig. A.2
Expandindo a Eq. 3.27 em suas componentes, tem -se
µe ∂ 2 u ∂ 2 u ∂ 2 u

∂ (ρu) ∂ (ρuu) ∂ (ρuv) ∂ (ρuw) ∂P
+ + + = − + + + +
∂t ∂x ∂y ∂z ∂x Re ∂x2 ∂y 2 ∂z 2
1 µe ∂ 2 u ∂ 2v ∂ 2w

+ + + (A.1)
3 Re ∂x2 ∂x∂y ∂x∂z
µe ∂ 2 v ∂ 2 v ∂ 2 v

∂ (ρv) ∂ (ρvu) ∂ (ρvv) ∂ (ρvw) ∂P
+ + + = − + + + +
∂t ∂x ∂y ∂z ∂y Re ∂x2 ∂y 2 ∂z 2
2
∂ 2v ∂ 2w

1 µe ∂ u
+ + + (A.2)
3 Re ∂y∂x ∂y 2 ∂y∂z
µe ∂ 2 w ∂ 2 w ∂ 2 w

∂ (ρw) ∂ (ρwu) ∂ (ρwv) ∂ (ρww) ∂P
+ + + = − + + + +
∂t ∂x ∂y ∂z ∂z Re ∂x2 ∂y 2 ∂z 2
2
∂ 2v ∂ 2w

1 µe ∂ u
+ + + (A.3)
3 Re ∂z∂x ∂z∂y ∂z 2
Será desenvolvida a integração da equação de conservação da quantidade de

movimento para a direção x. As demais poderão ser desenvolvidas por procedimento
análogo. Seguindo o método Runge-Kutta simplificado, Eq. 4.7, sendo que nosso ob-
jetivo é obter un+1 (i+1,j,k) , a Eq. A.1 é escrita como
P(i+1,j,k) − P(i,j,k)

n+1 n α∆t n n
u (i+1,j,k) = u (i+1,j,k) + −ADV ECx (i+1,j,k) + DIF F x (i+1,j,k) − (A.4)
ρe (i,j,k) ∆x
149
F IGURA A.3. Localização das grandezas na malha para discretização dos termos con-
vectivos (para facilitar a visualização somente é mortrado o plano xoy).
em que
∂ (ρuu) ∂ (ρuv) ∂ (ρuw)

ADV ECxn (i+1,j,k) = |(i+1,j,k) + |(i+1,j,k) + |(i+1,j,k) (A.5)
∂x ∂y ∂z
µe ∂ 2 u ∂ 2u ∂ 2u

n
DIF F x (i+1,j,k) = |(i+1,j,k) + 2 |(i+1,j,k) + 2 |(i+1,j,k) +
Re ∂x2 ∂y ∂z
2 2
∂ 2w

1 µe ∂ u ∂ v
+ |(i+1,j,k) + |(i+1,j,k) + |(i+1,j,k) (A.6)
3 Re ∂x2 ∂x∂y ∂x∂z
Os termos do lado direito da Eq. A.5 podem ser escritos a partir da análise
da Fig. A.3, que ilustra somente o plano xoy para facilitar a visualização, podendo a
análise ser expandida para o plano xoz por analogia, de modo que
∂ (ρuu) (ρu)ex uex − (ρu)wx uwx

|(i+1,j,k) = (A.7)
∂x ∆x
ρe = ρi+1,j,k ρw = ρi,j,k
ui+1,j,k + ui+2,j,k ui,j,k + ui+1,j,k
ue = uw =
2 2
∂ (ρuv) (ρu)nx vnx − (ρu)sx vsx

|(i+1,j,k) = (A.8)
∂y ∆y
ρi,j,k + ρi+1,j,k + ρi,j+1,k + ρi+1,j+1,k

ρnx =
4
ρi,j,k + ρi+1,j,k + ρi,j−1,k + ρi+1,j−1,k
ρsx =
4
ui+1,j,k + ui+1,j+1,k ui+1,j,k + ui+1,j−1,k

unx = usx =
2 2
vi+1,j+1,k + vi,j+1,k vi+1,j,k + vi,j,k
vnx = vsx =
2 2
150 A PÊNDICE A. D ISCRETIZAÇÃO DAS E QUAÇÕES DE C ONSERVAÇÃO
∂ (ρuw) (ρu)f x wf x − (ρu)bx wbx

|(i+1,j,k) = (A.9)
∂z ∆z
ρi,j,k + ρi+1,j,k + ρi,j,k+1 + ρi+1,j,k+1

ρf x =
4
ρi,j,k + ρi+1,j,k + ρi,j,k−1 + ρi+1,j,k−1
ρbx =
4
ui+1,j,k + ui+1,j,k+1 ui+1,j,k + ui+1,j,k−1

uf x = ubx =
2 2
wi+1,j,k+1 + wi,j,k+1 wi+1,j,k + wi,j,k
wf x = wbx =
2 2
Os termos do lado direito da Eq. A.6 também são descritos a partir da análise
da célula genérica da Fig. A.2, resultando em
∂ 2u ui,j,k − 2ui+1,j,k + ui+2,j,k

|(i+1,j,k) = (A.10)
∂x2 ∆x2
∂ 2u ui+1,j+1,k − 2ui+1,j,k + ui+1,j−1,k
|(i+1,j,k) = (A.11)
∂y 2 ∆y 2
∂ 2u ui+1,j,k+1 − 2ui+1,j,k + ui+1,j,k−1
|(i+1,j,k) = (A.12)
∂z 2 ∆z 2
∂ 2v vi+2,j+1,k − vi+2,j−1,k − vi,j+1,k + vi,j−1,k
|(i+1,j,k) = (A.13)
∂x∂y ∆y 2
∂ 2w wi+2,j,k+1 − wi+2,j,k−1 − wi,j,k+1 + vi,j,k−1
|(i+1,j,k) = (A.14)
∂x∂z ∆z 2
Apêndice B
Discretização da Equação de
Conservação da Massa (Dilatação)
A determinação da correção da pressão δPi,j,k para corrigir o campo de pressão

requer o cálculo do desvio que ocorre na equação de conservação da massa, ou seja da
dilatação Di,j,k . Para escoamentos com variação de massa específica a discretização da
Dilatação se dá a partir da análise da Fig. B.1, em que
∂ (ρu) ∂ (ρv) ∂ (ρw)

Di,j,k = |i,j,k + |i,j,k + |i,j,k , (B.1)
∂x ∂y ∂z
onde as massas específicas nas faces são obtidas por meio de médias aritméticas.
∂ (ρu) ρ e ue − ρ w uw
|i,j,k = (B.2)
∂x ∆x
ρi+1,j,k + ρi,j,k ρi−1,j,k + ρi,j,k
ρe = ρw =
2 2
ue = ui+1,j,k uw = ui,j,k
F IGURA B.1. Localização das grandezas na malha em um arranjo deslocado .
151
A PÊNDICE B. D ISCRETIZAÇÃO DA E QUAÇÃO DE C ONSERVAÇÃO DA M ASSA
152 (D ILATAÇÃO )
∂ (ρv) ρn vn − ρs vs
|i,j,k = (B.3)
∂y ∆y
ρi,j+1,k + ρi,j,k ρi,j−1,k + ρi,j,k
ρn = ρs =
2 2
vn = vi,j+1,k vs = vi,j,k
∂ (ρw) ρf wf − ρb wb
|i,j,k = (B.4)
∂z ∆z
ρi,j,k+1 + ρi,j,k ρi,j,k−1 + ρi,j,k
ρf = ρb =
2 2
wf = wi,j,k+1 wb = wi,j,k
Apêndice C
Técnicas de Paralelização
Existem distintas arquiteturas de computadores. Para cada tipo de arquitetura é

utilizado um tipo de estratégia para que o paralelismo possa ser explorado. O modelo
de classificação da arquiteturas proposto por Flynn (FLYNN, 1966) fornece uma boa
boa aproximação do que temos atuamente. A classificação de Flynn se dá em termo do
fluxo de execução de instruções e tratamento de dados em paralelo, propondo então:
- SISD (Single Instruction / Single Data Stream) - Um fluxo de instruções atuando

sobre um fluxo de dados;
- SIMD (Single Instruction Stream / Multiple Data Stream) - Todas as unidades de

processamento executam o mesmo conjunto de instruções em um diferente conjunto
de dados;
- MISD (Multiple Instruction Stream / Single Data Stream) - Múltiplos fluxos de

instruções atua sobre um fluxo de dados;
- MIMD (Multiple Instruction Stream / Multiple Data Stream) - Múltiplos fluxos de

instruções atuando sobre vários fluxos de dados.
A base da computação científica e até mesmo doméstica está estruturada sobre

a arquitetura MIMD. Os computadores possuem vários processadores independentes
executando instruções sobre dados distintos. Com o objetivo de otimizar e padronizar,
viabilizando a portabilidade dos códigos, foram desenvolvidos modelos de sistemas
de programação paralela. Em termos de execução paralela em CPU os sistemas mais
importante são os sistemas de memória compartilhada (Shared Memory / Multithreads)
e os sistema de memória distribuida (Distributed Memory / Message Passing).
A partir da metade da década passada surgiu outra atrativa alternativa para

para a aceleração da computação científica. Em 2006 a NVIDIA lançou sua primeira
placa de vídeo do tipo GP-GPU (General Purpose Computing on Graphics Processing Unit)
e em 2007 foi lançada uma plataforma de programação paralela para GPU chamada
CUDA. A partir de então, a utilização de GPU’s passou a chamar a atenção da comu-
nidade científica e ganhar popularidade em função da quantidade de processadores
que podem possuir. Enquanto que uma CPU normalmente para computação científica
tem um número de processadores da ordem de dezenas uma GPU possui milhares de
processadores, como ilustra a Fig. C.1.
153
154 A PÊNDICE C. T ÉCNICAS DE PARALELIZAÇÃO
F IGURA C.1. Comparação estre a quantidade de processadores de uma CPU e de uma

GPU.
A arquitetura das GPU não se enquadram na classificação de Flynn, e está ba-

seada em um novo conceito chamado de SIMT (Single Instruction Multiple Thread), que
veremos na sequência do texto onde trataremos das peculiaridades relacionadas ao
interesse deste trabalho para cada um destes sistemas de programação paralela. O
leitor que desejar se aprofundar nestes assuntos pode consultar os trabalhos de Her-
manns (HERMANNS, 2011), de Moreira (MOREIRA, 2011), de Jorge (JORGE, 2016) e
de Quadros (QUADROS, 2016) que apresentam uma ampla discussão acerca de cada
um destas alternativas de computação paralela.
C.0.1 Sistemas de Memória Compartilhada
Sistemas de memória compatilhada possuem vários processadores que fazem

uso de uma única memória. A Fig. C.2 é bastante representativa deste tipo sistema.
Neste tipo de programação não é necessário especificar explicitamente a comunicação
entre os processos, de modo que cada posição da memória pode ser lida ou gravada
por qualquer processador.
A comunicação entre os processadores se dá através de variáveis compartilha-

das armazenadas na memória do sistema. O programador deve também especificar
as variáveis que serão de uso exclusivo de cada processador, de modo a garantir que
os diferentes processadores não temtem modificar o mesmo espaço de memória ao
mesmo tempo. Nestas situações uma cópia desta variável dita privada é criada para
cada processador.
A programação paralela para sistemas de memória compartilhada é realizada

pela utilização do padrão OpenMP (Open Multi-Processing). A estrutura do OpenMP
está é constituida de três componentes básicos, que são i) Diretivas de Compilação; ii)
Biliotecas de Execução; iii) Variáveis de Ambiente.
O que o OpenMP faz é definir um processo automático de paralelização guiado

pelo usuário, em que o compilador transforma um código, que é desenvolvido para
155
F IGURA C.2. Arquitetura de um sistema de memória compartilhada.
execução serial, em uma versão paralela guiando-se pelas diretivas inseridas pelo pro-
gramador (CHANDRA et al., 2001). Desta forma o compilador não faz uma análise
completa do código, mas somente nas regiões indicadas pelo programador.
O executável criado pelo compilador utilizando OpenMP é baseado no conceito

de threads, que de forma simplificada pode ser vista como uma linha única de execução
de instruções. Através do padrão fork - join o compilador então divide a execução de
uma determinada tarefa para as diversas threads definidas pelo programador. Neste
ponto cabe observar que, embora possível, o ideal é utilizar um número de threads
como sendo no máximo o número de núcleos disponíveis no hardware. O trabalho de
Hermanns (HERMANNS, 2011) se configura como uma interessante referência para
o leitor que tem interesse em aprender sobre como e onde aplicar adequadamente as
diretivas OpenMP.
C.0.2 Sistemas de Memória Distribuida
Sistemas de computação de memória distribuída são sistemas em que múltiplas

tarefas de processamento são iniciadas e distribuídas para os processadores disponí-
veis no ambiente, de modo que cada processador utiliza seu próprio endereçamento de
memória. As tarefas executadas pelos diferentes processadores compartilham dados
através de comunicações explícitas, definidas pelo programador, de envio e recebi-
mento de mensagens (Message Passing), normalmente realizado por meio de uma rede.
Em sistemas de memória distribuída requer-se a cooperação das operações re-

alizadas pelos processos. De modo que quando há uma operação de envio de dados
por um processo, deve haver uma correspondente operação de recebimento de dados.
Estas operações de envio e recebimento, dependendo do tamanho dos dados e confi-
guração do sistema, não precisam obrigatoriamente ocorrer simultaneamente.
Devemos notar que essa transferência de dados por meio de uma rede consome
tempo. Dependendo da granularidade do código, podem ocorrer situações em que o
tempo gasto para realizar todas as transferências de informações seja maior do que o
tempo de execução das instruções. Este tipo de caso ocorre quando tem-se granulari-
dade fina, situação em que o tempo gasto pelos processos para executar as instruções é
156 A PÊNDICE C. T ÉCNICAS DE PARALELIZAÇÃO
F IGURA C.3. Conceito fork-join utilizado pelo padrão OpenMP
F IGURA C.4. Arquitetura de um sistema de memória distribuida.
F IGURA C.5. Ilustração do envio e recebimento de dados.

157
de ordem semelhante ou menor de que o tempo gasto nas instruções de comunicação.
O padrão de programação em sistemas de memória distribuída é o MPI (Mes-

sage Passing Interface) que, apesar de não ser uma biblioteca, especifica como devem
ser as bibliotecas. Neste trabalho foram feitos alguns experimentos utilizando MPI,
entretanto não foram observados ganhos de performance consistente, em função da
pequena granularidade, de modo que optou-se por não aprofundar os estudos nesta
técnica.
Apêndice D
Verificação do Código
O código desenvolvido para resolver o problema proposto possui cerca de 5500

linhas. A busca por erros de implementação e por erros de lógica são uma etapa im-
portante na tarefa de desenvolvimento. Ocorre ainda, que, por conta da elevada não
linearidade do sistemas de equações, erros aparentemente desprezíveis podem ser bas-
tante amplificados podendo assim comprometer os resultados obtidos.
A verificação do código ao longo do seu desenvolvimento foi realizada seguindo

as sugestões de Maliska (MALISKA, 2004), que sugere a utilização de problemas sim-
ples que possuam uma solução analítica. Portanto apresentaremos a seguir dois dos
testes realizados, o primeiro com o objetivo verificar a implementação da discretiza-
ção das derivadas espaciais dos termos difusivos, dos termos convectivos e do aco-
plamento pressão velocidade em regime permanente, ssim como as condições de con-
torno. O segundo teste foi realizado com o objetivo de avaliar se a implementação do
método Runge-Kutta foi realizada de forma adequada. O primeiro foi um escoamento
bidimensional em regime permanente e o segundo um problema de transferência de
calor unidimensional.
D.1 Escoamento Entre Placas Planas Parelelas
O primeiro problema teste foi o escoamento laminar em regime permanente en-

tre placas planas parelelas, ilustrado em Fig. D.1. Este escoamento foi escolhido devido
F IGURA D.1. Problema para verificação da solução do escoamento laminar entre pla-
cas planas paralelas.
159
160 A PÊNDICE D. V ERIFICAÇÃO DO C ÓDIGO
F IGURA D.2. Perfil de velocidades obtido pela solução do escoamento laminar entre
placas planas paralelas.
ao mesmo possuir solução analítica dada por

y 2
u (y) = 1,5u 1 − , (D.1)
h
O código tridimensional foi utilizado para resolver este problema e então ser verifi-
cado. Para resolver o escoamento bidimensional utilizando o código tridimensional as
condições de contorno em uma das direções normais a direção preferencial do esco-
amento foram definidas como de fluxo nulo. O problema da Fig. D.1 é regido pelas
equações Eq. 2.14 e Eq. 2.19 com as condições de contorno u1 = 1 e u2 = u3 = 0 em
x = 0. Para as fronteiras y = 0 e y = 2h são definidas u1 = u2 = u3 = 0, enquanto
para as fronteiras normais a direção z, tem-se ∂u
∂z
i
= 0 e para a fronteira de saída uma
condição de contorno para escoamento plenamente desenvolvido, ∂u ∂x
i
= 0.
Para o problema descrito acima, para um número de Reynolds Re = 100 após

o comprimento de entrada, foi obtido um perfil parabólico de velocidades consistente
com a solução analítica, como pode ser visto em Fig. D.2, mostrando a capacidade do
código de resolver o problema de advecção.
D.2 Difusão Unidimensional Transiente
A verificação do tratamento dado as derivadas temporais foi feita mediante a

solução de um problema de difusão de calor unidimensional transiente
∂ξ ∂ 2ξ
= α 2 (D.2)
∂t ∂x
D.2. D IFUSÃO U NIDIMENSIONAL T RANSIENTE 161
F IGURA D.3. Verificação da solução transiente. Os tempos adimensionais analisados

são t0 = 0, t1 = 1,708E−2, t2 = 8,5387491E−2 e t3 = 0,1707749.
em ξ é um escalar conservado, no presente problema temperatura, e α é a difusividade

deste escalar no meio em análise. O problema aqui analisado é apresentado e resolvido
analiticamente em Ozisik (OZISIK, 1990), e consiste em uma placa infinita nas direções
y e z e espessura Lver = 1, inicialmente, em t = 0, com uma distribuição de temperatura
dada por
πx
ξ (x, 0) = ξ0 sin , (D.3)
L
sendo ξ0 = 1, ξ (0, t) = 0, ξ (L, t) = 0 e α = 1. A solução analítica do problema é dada
por
ξ (x, t) = ξ0 exp(−αλ1 t) sin (λ1 x) ,

2
(D.4)
onde λ1 = π/L. A discretização espacial foi realizada utilizando esquema de segunda

ordem central, enquanto que a integração temporal foi conduzida pelo método Runge-
Kutta de segunda ordem de três passos apresentado na seção 4.4. O passo de tempo
da integração foi selecionado utilizando o valor crítico para CF L, sendo para este caso
0,69, como dado em Tab. 4.1. Como pode ser verificado na Fig. D.3, para estas condição
a solução numérica é coincidente com a solução analítica o que nos indica que o código
captura de forma adequada a evolução temporal das variáveis em estudo.
Apêndice E
Artigo Publicado na Revista Journal

of Applied Fluid Mechanics
163
!
"# $ %% & %
'( ))*++ ) *+ * , , -* ) *+ ., + .*, + ) , '( ))*+

, * ( , ) / , ,, 0+ )( 0 ,) ) 1 +0 !..2 * 31! 4 ,
) )( -* , . ( ,) , , + ( )( + ) + , ) 0( 5
) ,. + 0 ( ( + , ,) , , ( 0 *, . , + ) '( + + . 0
*+ * ) ,*)( ,) , , * +, . . . ( 2 '( , +6 + , 781!
# 87 9:" ; + + , + + ) / *+ * , ( 0( < 2 ., * +, . +0
%
) * . , 3 * = ) ,4 *, 0 , 0 >7: ) +. '( , , ,, 2 *, 0
) ) * + ) ,)( ,, ) . ( + *, . ) , * ( . ( + -* + ,
+ , + 0 '( + ) . * +) , ) , + +, 2 . ,)*,, . . ( . , ( ) *
+ 0 ; 2 ( . .) . , , . . . . 2, * 0 *+ *
. ) + 0 ( + ,* , ( / + . ) * . + ( + *+ 2, ,
+ + ) 0 , , ) ++ . * . ,+ 0 ( ) . ?, 2 , ( , ) ,, + , (
) ,. + + .*) ) *
" $ 9:" @ # 87@ 1! @ * +) , * @ '*+ * )
# # !
9 *+ ;+ .+ )(, 1 2 ) . / ) 2
9+ ) 9 *+ ;+ .+ )(, 1 2) . ,* 0+ . )( + ) + , ) ) 2
)+ ,, , + ,, , + .+ )
0 + ,62 ) , , *, A . + ) ) 2
AA . +
. ,* 0+ . ,) , + ,, , +
. + 0 + B ;+ *, +
0 +) * ) 0+ . +
! + * ) , ,
" + , +, 0( . ) ) ,
+ + 0( . . *, ,
1 +. , + ,, , + 0+ . + +
# C 0 + . ,, ,) $ ,) , 2
% 0 ( ' 2 + )+ ,) $ ) ,) , 2
& 9 , * + .+ ) $ *+ * ,) , 2
+ ,,*+ ' <* 0 C* ) )
+ . ., ) ) +. ( . , +
) < 2 ., * + ( + ,,*+ ) ++ )
, *, / . + ) ) 2 ( .+ ) ) 2 ) ++ )
, *, . + ) ) 2 * . , 2
+ ) 2 ,# )( + ) + , ) C 0 +
*+ * / , 2 ,% ' 2 + )+ ,)
, *, 2 . + ) ) 2 - . . +
/ / ) 2

Tese PINHO 2020

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Tese PINHO 2020

Enviado por

Direitos autorais:

Formatos disponíveis

U NIVERSIDADE F EDERAL DO R IO G RANDE DO S UL

E FEITO DA M ODELAGEM S UBMALHA EM S IMULAÇÕES DE

J EAN M ONTEIRO DE P INHO

E FEITO DA M ODELAGEM S UBMALHA EM S IMULAÇÕES DE

J EAN M ONTEIRO DE P INHO

Tese de Doutorado apresentado como requisito par-

Orientador: André Rodrigues Muniz

Tese (Doutorado) - Universidade Federal do Rio

Modelagem Submalha, LES, OpenMP, GPU, Dinâmica dos

A Comissão Examinadora, abaixo assinada, aprova a Tese Efeito da Modelagem Sub-

Prof. , Dr. Argimiro Resende Secchi - COPPE/UFRJ

Profa. , Dra. Flávia Schwarz Franceschini Zinani - UNISINOS

Prof. , Dr. Nilo Sérgio Medeiros Cardozo - DEQUI/UFRGS

A simulação acurada de escoamentos turbulentos de interesse prático, com custo

Palavras-chave: Modelagem Submalha, LES, OpenMP, GPU, Dinâmica dos Fluidos

The accurate simulations of turbulent flows of practical interest with accessible

Palavras-chave: Subgrid Modeling, LES, OpenMP, GPU, Computational Fluid Dy-

Lista de Figuras xiii

Lista de Tabelas xviii

Lista de Símbolos xxiii

3 Modelagem da Turbulência em LES 25

6 Conclusões e Trabalhos Futuros 131

Referências Bibliográficas 137

A Discretização das Equações de Conservação 147

B Discretização da Equação de Conservação da Massa (Dilatação) 151

C Técnicas de Paralelização 153

D Verificação do Código 159

E Artigo Publicado na Revista Journal of Applied Fluid Mechanics 163

Figura 2.1 Cascata de transferência de energia cinética. Adaptado de Sagaut et

Figura 4.1 Distribuição de pontos de uma malha em um espaço bidimensional,

Figura A.1 Localização das grandezas na malha em um arranjo deslocado,

Figura B.1 Localização das grandezas na malha em um arranjo deslocado . . . . 151

Figura C.1 Comparação estre a quantidade de processadores de uma CPU e de

Figura D.1 Problema para verificação da solução do escoamento laminar entre

Tabela 4.1 Coeficientes do método Runge-Kutta para erro de truncamento de

Tabela 5.1 Comparação entre os erros quadráticos médios produzidos com o

αm Coeficiente Runge-Kutta referente ao estágio m −

∆y Comprimento da malha na direção y L

∆z Comprimento da malha na direção z L

∆ Comprimento do filtro de malha L

 Taxa de dissipação viscosa L2 /T3

I Taxa de injeção de energia cinética turbulenta L2 /T3

T Taxa de energia cinética turbulenta transportada L2 /T3

κ Número de onda 1/L

κc Número de onde de corte 1/L

hi Operador média temporal −

hui Velocidade mediada no tempo L/T

hhii Operador média Favre −

(σij )sgs Tensor de tensões submalha M/LT2

µ Viscosidade dinâmica M/LT

f Valor da propriedade referente as grandes escalas −

u Velocidade média L/T

ρ Massa específica M/L3

σij Tensor de tensões M/LT2

τK Tempo característico da escala dissipativa de Kolmogorov T

τλ Tempo característico da microescala de Taylor T

τij Tensor de tensões viscosas M/LT2

ξ Comprimento do livre caminho médio molecular L

Ai Matriz dos coeficientes do sistema a ser resolvido −

ai,j Transformação de Lund −

ADV EC Soma dos termos advectivos M/L2 T2

B Vetor dos termos independentes do sistema a ser resolvido −

bi Coeficiente do filtro para direção i −

Taxa de dissipação viscosa L2 /T3

I Taxa de injeção de energia cinética turbulenta L2 /T3

T Taxa de energia cinética turbulenta transportada L2 /T3